Athena – Experiment: 5.000 gefälschte Koreaner von einer KI abstimmen lassen (Gouverneure/Bürgermeister der Provinzen und Metropolen bei den Kommunalwahlen 2026)
(github.com/Kimchikilla)Nemotron-Personas-Korea wurde mit einem LLM kombiniert, um eine Simulation der Wahlen 2026 für Gouverneure und Bürgermeister der Provinzen und Metropolen durchzuführen.
Aus dem NEC wurden 8.300 Kandidaten gecrawlt → aus den Personas wurden je 300 pro Region, insgesamt 5.100 Personen, gesampelt → mit Gemma 4 e4b wurden 4.800 Stimmen simuliert (RTX 5060, 3 Stunden).
Ergebnisse
Oberbürgermeister von Daegu: Kim Han-gu (unabhängig) 90,5 % / Lee Jae-man (PPP) 8,2 % / Kim Boo-kyum (Demokratische Partei) 1,4 %
Ehemaliger Premierminister + vier Amtszeiten + aus Daegu stammend, und trotzdem 1,4 %. Das LLM wurde vom Persona-Label „Arbeiter“ angezogen und gab die Stimmen massenhaft an einen unabhängigen Arbeiterkandidaten.
Gesamtes Muster:
- Amtsinhaber-Bonus stark überschätzt (Gangwon: Kim Jin-tae 100 %, Gyeongbuk: Lee Cheol-woo 99 %)
- einfache Zuordnung nach Berufs-Label
- bei schlechter Informationslage starker Anstieg von Enthaltungen (Chungbuk 73 %, Incheon 93 %)
Fazit
LLM-Persona-Simulationen taugen nicht als Ersatz für Meinungsumfragen. US-Studien zu LLM-as-voter lassen sich nicht unverändert auf die koreanische Politik übertragen – das wird hier quantitativ bestätigt.
4 Kommentare
Ich bin der Entwickler von "ManyPerson" unter "Lesenswerte weitere Artikel".
Wie Sie gesagt haben, ist eine LLM-Persona-Simulation kein Ersatz für Meinungsumfragen, sondern eine „Ergänzung“.
Natürlich wird das Ergebnis umso näher an den tatsächlichen Werten liegen, je mehr Präzision und Hintergrundinformationen man in die Personas einbringt, aber grundsätzlich habe auch ich den Service nicht als Ersatz, sondern als ergänzenden Dienst konzipiert.
Trotzdem halte ich den Nutzen für absolut ausreichend.
Ich stimme zu!!
Wenn ich jetzt darüber nachdenke, war ich vorhin etwas durcheinander und habe deshalb aufgehört, die Antwort fertigzuschreiben.;;
Einer der Werte, die ich in den Antworten von AI-Personas sehe, ist vor allem, dass sie den Nutzern oder Verfassern einen breiteren Blickwinkel bieten.
Auch ich habe beim Entwickeln dieses Dienstes gemerkt, dass sich mein Blick auf die Welt und auf Ereignisse tatsächlich erweitert hat.
Von „Warum denkt man darüber so?“ hin zu „Ach so, man kann solche Ereignisse auch so aufnehmen und so verstehen ...“
Auf diese Weise kann man die Dinge etwas breiter betrachten.
Ich denke, beim von Ihnen erwähnten Wahl-Thema ist es ähnlich.
Ich habe es gerade einmal mit Daegu ausprobiert, und das Ergebnis wirkte doch ziemlich realitätsfern.
manyperson Link
Wir haben in unserem Service ebenfalls ähnliche Tests gemacht, und dabei kommen die Ergebnisse nicht immer genau so heraus, wie ich es mir denke, aber man kann durchaus verschiedene Perspektiven sehen. ( Natürlich ist es wegen der Aktualisierung neuerer Informationen nicht ganz so präzise, aber ich denke, das lässt sich mit der Zeit technisch abdecken. )
Tatsächlich haben wir auch unseren eigenen Service beim Testen mit der Frage laufen lassen, wie die Leute wohl darüber denken würden ... Das Ergebnis war sehr positiv, aber in der Realität weiß ich es ehrlich gesagt noch nicht so genau ^^;;
Da LLMs auf der Ebene von Text-Token inferieren, scheint es so zu sein, dass beim Auftreten hochfrequenter Labels Muster aktiviert werden, die während des Trainings zusammen mit diesen Labels vorkamen, und dadurch andere Informationen tendenziell überlagern.
Außerdem bedeutet selbst ein detailliertes Labeling einer Persona nicht, dass ihr Wahlverhalten durch eine Funktion bestimmt wird, die ein LLM inferieren kann. Tatsächliches politisches Verhalten wird von viel zu vielen Informationen beeinflusst, die in einer synthetischen Persona nicht enthalten sind: früheres Wahlverhalten, die von Familie und Kollegen unterstützte Partei, kürzlich gelesene Nachrichten, die persönliche Sympathie für einen Kandidaten.
Das scheint nicht nur hierbei zu gelten, sondern gleichzeitig auch bei der Inferenz aller wirtschaftlichen und politischen (spezifischen) Situationen und Phänomene zu wirken.