标签
# 摘要 本文提出了一种名为 **Population Fidelity** 的评估框架，用于衡量 LLM 生成的调查回答是否真正代表人类群体，评估维度包括群体层面的准确性、群体之间的差异，以及这种差异的结构。研究表明，文化微调虽能提升总体对齐程度，却并未改善对群体内部差异的呈现。本文同时开源了可复用的代码、数据和训练好的模型。