【作者简介】龚为纲，武汉大学社会学院/人工智能学院教授；黄思源，武汉大学社会学院博士研究生（湖北 武汉 430072）。

【文章来源】《人大复印报刊资料》2025年第8期

【内容提要】大语言模型(LLM)在社会科学中的应用日益广泛，其生成数据是否能反映真实社会图景仍存争议。以中国综合社会调查(CGSS2021)为基准，构建多模型对比实验框架，系统评估不同LLM生成“硅基样本”的拟合度与偏差特征，可发现，主流模型可较好复现宏观变量间的统计关系，但存在表征偏差，易强化主流话语、忽略边缘声音。通过引入思维链(Chain-of-Thought)分析，发现模型在生成评分理由时呈现出标准化的因果推理结构，反映其潜在的社会观念建构路径。此外，提示策略与微调机制可能无形中影响模型对公共议题的认知方式。LLM在社会测量中既存在潜能也有局限，建议未来应提升数据多样性、模型可解释性，并推动社会科学领域的专用大模型发展。

【关 键 词】大语言模型(LLM)/ 整体事实/ 数据偏误/ 对齐机制/ CoT/ Large Language Models(LLMs)/ algorithmic fidelity/ data bias/ alignment mechanism/ Chain-of-Thought(CoT)/

【基金项目】本文系国家社会科学基金项目“基于大数据的社会情绪风险与网络集群事件治理研究”（22BSH024）、武汉大学社会科学数智创新研究团队项目“大国竞争背景下的战略情报分析”的阶段性成果。

【全文链接】https://hffaz89a1d8c8d150461choxuxb0nu6ook6bu0ghhb.libproxy.ruc.edu.cn/qw/detail?id=894447