本文基于世界价值观调查（WVS）构建了一个模拟框架，让具备不同文化背景和沟通风格的 LLM 代理在长期价值讨论中交互。实验涉及约 4,000 场对话，覆盖 1,200 种人格、15 个主题，使用 GPT-4o、Gemini-2.5-Flash 和 Gemma-4-E4B 三种模型。我们评估了价值忠实度、价值漂移和对话真实感。结果显示，超过 50% 的人格在首次对话中未能完整表达其分配的 WVS 画像，且在重复对话后有 2%–7% 出现价值漂移。去除人口统计信息的消融实验提升了部分模型的忠实度，但整体趋势未变：模拟的价值分布仍系统性偏离原始 WVS 配置。与人类对话相比，模拟对话在风格一致性与语义多样性之间呈现不同的权衡，往往内容多样但风格重复。研究表明，当前 LLM 代理能够生成可信的对话，却在长期保持多元人类价值方面仍受限。
点评