--- title: "研究 | Minds" canonical_url: "https://getminds.ai/research/zh" last_updated: "2026-09-08T01:10:09.623Z" meta: description: "Minds Research Lab 关于合成受访者、人物角色条件化 AI、评估方法以及模拟证据边界的实验、基准与技术论文。" "og:description": "Minds Research Lab 关于合成受访者、人物角色条件化 AI、评估方法以及模拟证据边界的实验、基准与技术论文。" "og:title": "研究 | Minds" "twitter:description": "Minds Research Lab 关于合成受访者、人物角色条件化 AI、评估方法以及模拟证据边界的实验、基准与技术论文。" "twitter:title": "研究 | Minds" --- Minds # **研究** Minds Research Lab 关于合成受访者、人物角色条件化 AI、评估方法以及模拟证据边界的实验、基准与技术论文。 [2026-09-05

ANES 2024：合成回答与后续人类回答的对比研究

一项基于 ANES 选前/选后数据的对比测试，针对 300 名匹配受访者的 28 项后续回答展开评估，分别呈现响应格式与受访者背景锚定的不同结果。](https://getminds.ai/research/zh/anes-2024-synthetic-survey-validation) [2026-09-05

CES 2024：跨多种题型的问卷拟合度研究

一项 CES 对比研究对 300 名匹配受访者在 27 道二元题、序数题及多选题上的表现进行了评估，区分了总体拟合度与个体预测。](https://getminds.ai/research/zh/ces-2024-synthetic-survey-validation) [2026-09-05

GSS 2024：保留不确定性可提升问卷拟合度

一项目标隔离的 GSS 试点研究，在 360 名受访者和 17 道问题中对比了四种回答条件，将概率引出与画像价值分别进行了评估。](https://getminds.ai/research/zh/gss-2024-synthetic-survey-validation) [2026-09-05

留出样本访谈：受访者记忆何时发挥作用

基于两个公开访谈语料库，测试精简画像与检索到的早期证据能否提升对 22 名真实受访者后续 66 个回答的保真度。](https://getminds.ai/research/zh/held-out-interview-response-validation) [2026-09-05

PISA 2022：五国合成问卷拟合度评估

一项涵盖五国的 PISA 对比研究评估了 600 名学生及 10 道留出题，呈现加权分布误差，并明确指出了国家与语言层面的局限性。](https://getminds.ai/research/zh/pisa-2022-synthetic-survey-validation) [2026-09-05

PRISM 对齐：测试留出答案中的受访者契合度

一项涵盖 299 人、869 个题项的对比研究，通过盲评裁判与明确的任务边界，评估具备事实背景支撑的 Minds 是否能更好地反映受访者的价值观与底层动机。](https://getminds.ai/research/zh/prism-alignment-participant-fit-validation) [2026-09-05

合成受众在何时表现优于通用基础模型

一项留出访谈对比测试表明，在何种情况下，受访者画像和记忆机制能让合成回答优于通用的 GPT、Claude 和 Gemini 提示词。](https://getminds.ai/research/zh/synthetic-audiences-vs-foundation-models) [2026-08-21

Minds 研究方法流水线目录

一份公开指南，全面梳理 Minds 可用的定性与定量研究方法、所需输入、版本化流水线阶段、计算器、产出物及边界限制。](https://getminds.ai/research/zh/research-method-pipeline-catalog) [2026-08-14

我们用真实数据测试了合成受众

五个公开调查数据集揭示了合成受众的准确性，包括一项包含 301 个 Mind 的 Z 世代生产环境测试，以及用户画像锚定在何处发挥作用。](https://getminds.ai/research/zh/synthetic-audiences-reality-benchmark-2026) [2026-08-14

人工智能能否重现真实的 Z 世代食品调查？Minds 达到 93.99% 的近似度

一项结果盲态验证将来自 301 个持续存在的 Z 世代 Minds 的 903 份回答与已发布的英国 Food Standards Agency 调查分布进行了对比。综合近似度达到 93.99%。](https://getminds.ai/research/zh/synthetic-gen-z-food-survey-validation-2026) [2026-07-26

数据来源

Minds 用于为合成受众提供依据的公共统计、学术与行业来源，以及 grounding 的使用方式。](https://getminds.ai/research/zh/data-sources) [2026-07-10

Minds PRISM：我们的合成市场研究方法

Minds 如何将有依据的 AI 画像组成可复用受众，更快探索概念、信息、定位和市场。](https://getminds.ai/research/zh/minds-prism) [2026-07-03

在信任合成受众之前

一份实用的合成受众验证清单，涵盖受众定义、数据接地、提示词中立性、输出审查、报告撰写以及后续证据。](https://getminds.ai/research/zh/synthetic-audiences-validation-checklist) [2026-06-21

走进 Minds：合成研究样本组是如何构建的

了解 Minds 如何创建可复用的 AI 角色组、收集并行合成响应，并融入注重证据的研究工作流中。](https://getminds.ai/research/zh/methodology) [2025-10-17

为什么通用 AI 的创意趋于雷同，而角色设定不会

Spark Effect 研究发现，与统一的单智能体基线相比，基于角色设定的 AI 智能体产出的创意作品多样性显著更高。](https://getminds.ai/research/zh/spark-effect-creative-diversity-multi-agent-ai) [Minds](https://getminds.ai/)© 2026 Minds. 你的目标受众。由 AI 驱动，并以透明证据为依据。几分钟内即可构建。 [Minds 的 X (Twitter)](https://x.com/mindsai_co) [Minds 的 LinkedIn](https://www.linkedin.com/company/mindsaicompany/) [Minds 的 Instagram](https://www.instagram.com/getminds.ai/)Minds 隶属于 [![ESOMAR Corporate 2026](https://getminds.ai/images/newsroom/logos/esomar-corporate-2026-v2.png)ESOMAR](https://esomar.org/) [![bayern design](https://getminds.ai/images/customer-logos/bayern-design.svg)bayern design](https://bayern-design.de/) [![CSSDA Best UX Design Award](https://getminds.ai/images/newsroom/logos/cssda-best-ux-award.png)CSSDA Best UX Design Award](https://www.cssdesignawards.com/) [![CSSDA Best Innovation Award](https://getminds.ai/images/newsroom/logos/cssda-best-innovation-award.png)CSSDA Best Innovation Award](https://www.cssdesignawards.com/) [![CSSDA Best UI Design Award](https://getminds.ai/images/newsroom/logos/cssda-best-ui-award.png)CSSDA Best UI Design Award](https://www.cssdesignawards.com/)