哈佛 MIT 团队造 83 亿 AI 智能体镜像人类

一支由哈佛与 MIT 研究者牵头，OpenAI、Anthropic、Google DeepMind、xAI 等机构超过 200 位科学家参与的项目团队，发布了名为 MatrAIx 的研究工作，声称构建了规模达 83 亿的 AI 智能体集合，用于镜像全球人口的真实行为。

83 亿智能体与 1290 个画像维度

MatrAIx 的核心是 Persona-8B 数据库，记录数与当前地球总人口相当。每个虚拟人由 1290 个画像维度刻画，涵盖五大类：

• 背景信息：参考联合国人口统计等来源
• 心理特征：参考 General Social Survey 等问卷
• 专业能力：参考 Stack Overflow 等开发者社区
• 行为互动：参考 Amazon 等消费平台评论
• 日常生活：参考 Wikipedia 人物志等

为防止出现「住在肯尼亚农村、只有小学学历、却拥有哈佛博士学位」的逻辑崩坏样本，团队引入了有向无环图（DAG）来约束属性之间的条件依赖：决定「英语能力」前必须先确定「主要语言」与「所在地区」，并叠加兼容性过滤器，违背常理的父子属性组合会被直接剔除。

四类评估环境与上千项任务

MatrAIx Playground 提供四种智能体交互沙盒：

• 调查问卷：测试概念、定价敏感度与支付意愿
• AI 聊天：完整记录对话轨迹，追踪情绪波动与追问习惯
• 网页：模拟搜索、比价、看评论并做出购买决策
• 应用程序：智能体可直接操控 Linux、macOS 与 iOS 桌面，通过虚拟鼠标、键盘、触控完成日常软件操作

目前已在 25 个领域部署 1,010 项评估任务，累计运行 18,189 次大规模模拟用户交互实验。

声称的一致率与评估准确度

团队报告，在 400 次控制实验中，智能体符合指定人设的一致率达到 91.5%。在对真实人设的一致性评估中，人类专家给出 4.135/5 的平均分。底层大模型在评估任务中的表现亦接近人类评估者水平：

• Claude Opus 4.8：93.8% 的情况下，评估误差与人类专家偏差控制在 1 分以内
• GPT-5.5：79.2% 的情况下误差在 1 分以内

闭环评估的边界

该体系本质上是「大模型扮演用户，去评估另一个由大模型驱动的虚拟人」——左、右手互相打分构成的闭环。论文作者在结尾明确指出：虚拟用户永远无法完全替代真实人类，对于关乎社会命运的高风险决策和重大科学结论，真实用户的亲自参与仍然不可替代。

另一层隐忧在于，人类历史上许多颠覆性的艺术、商业模式与科学突破，往往诞生于被 DAG 兼容性过滤器视为「不兼容」而剔除的异常值中，难以被 1290 个概率刻度所穷尽。

参考资料：matraix.ai、arXiv:2608.04205、GitHub: MatrAIx-Persona-8B。