Google DeepMind、OpenAI、牛津大学、佐治亚理工学院和伊利诺伊大学厄巴纳-香槟分校等机构研究人员测试了275种大模型角色。多数角色会随着激活引导增强而更贴近设定，但有38种角色在六项指标上全部下降。
研究结论很直接：用大模型智能体模拟社会群体时，不能给所有角色套同一个高强度参数。每个角色需要先单独扫描，再决定放进模拟人口时采用哪一档设置。
论文图2：角色专用方向的平均画像对齐得分高于通用助手轴控制。
每个角色先生成一条激活方向
工作流先定义角色画像，再从模型内部激活中提取角色专用方向。研究人员在OLMo-3-7B-Instruct上测试1.0、1.5、2.0和2.5四档系数，让模型回答228个不针对特定角色的问题。
角色包括职业、社会身份和人格设定。模型回答会从价值观、知识、语气等六个维度与角色画像比较，表现不合格的参数组合会被标记，避免未经筛查就批量部署。
论文图3：在39种角色子集中，角色专用回答在7666次比较中赢得92.9%。
平均分上涨会掩盖少数角色退化
角色专用方向在整个测试网格上的平均总分为63.2，通用助手轴控制为41.1；前者还保留了较高的词汇多样性。看平均值，继续增强似乎是合理选择。
逐角色曲线给出另一幅图景。74%的角色在每次提高系数时都改善，相关系数中位数为正0.98；38种“反可控”角色却持续变差。它们不是偶尔波动，而是在所测六个维度上共同下降。
论文图4：大多数角色随系数提高而上升，少数角色的相关方向相反。
社会模拟多了一道上线前检查
激活引导常被用于让同一个基础模型扮演不同人群。若模拟用于政策、市场或群体行为研究，少数角色的系统偏差可能改变总体结果。论文提供的实用产物是筛查流程，不是宣布角色模拟已经可信。
论文图5：反可控角色的得分随引导增强而下降，与其余角色形成分叉。
实验只使用一款开源模型，角色参考和评判都由GPT-4.1-mini参与生成。模型裁判自身的偏好、角色定义方式以及问题集合都会影响分数。275种AI角色也不能代表真实人群；筛查只能发现模型内部的一致性问题，无法证明模拟行为具有人类层面的外部效度。
