现有用于为大语言模型社交仿真提供种子的人格（Persona）面临冷启动难题：缺乏决定应包含哪些属性以及如何赋值的原则，导致合成群体在人口结构、潜在属性和依赖关系上可能失真。为此我们构建了 MetaPersona-DB，收录 11000 余项实证人类实验，标注任务相关变量、报告的关系以及聚合人口统计数据。基于该资源，MetaPersona 框架首先检索任务相关文献证据，然后构建文献导出的 Persona 依赖图，最后依据人口、潜在属性与结果之间的经验先验进行抽样，生成符合实证分布的合成群体。我们在三个下游案例、三种基线模型和三种前沿模型上进行评估，结果随任务和模型而异：在错误信息信念和 AI 工具情感任务上表现突出，收入再分配任务上表现一般。使用 GPT‑5.2 时，Persona 构建成本降至每任务 0.5 美元以下。我们还推出了 MetaPersona-Studio 原型交互界面，实现了基于实证数据的人格生成。
点评