（媒角抵加／林承志綜合報導）麻省理工學院（MIT）等機構研究團隊在HugAgent2026年10月8日的公開更新釋出訪談評測資料與程式，測試AI能否根據一個人的回答，預測他在新情境下怎麼想。研究採54人的資料，發現模型較能還原既有看法，預測看法變化仍落後真人重測。台灣團隊可參考訪談與評測流程，資料使用另有非商業及禁止個人側寫條款。

關鍵資訊

  • 研究工具：HugAgent評測個人看法與變化；Trace Your Thinking提供AI訪談框架。
  • 資料規模：54人、1,742項評測，涵蓋醫療制度、公共監視器與住宅增密議題。
  • 核對方式：將AI預測與受訪者本人的問卷回答比較，另以真人隔兩週重答作為基準。
  • 使用條件：評測程式採MIT授權；真人資料採CC BY-NC 4.0，下載另有條款確認。

先問本人怎麼想，再讓AI回答新情境

HugAgent公開程式庫的10月8日更新包含評測資料、評分程式與結果欄位。這套工具把訪談模擬拆成兩個問題：AI能否還原一個人的既有看法，以及條件改變後，AI能否預測這個人會怎麼回答。

研究團隊在8月31日更新的論文第四版說明，受訪者先填寫問卷，交代立場、理由的重要程度與不同情境下的回答，再進行8至20組問答的AI訪談。訪談會追問理由與背景；用來核對預測的新情境問卷答案，則留在評測端。

品質篩選後留下54人的資料。團隊建立356項既有看法推斷題，以及1,386項看法變化預測題。前者要求模型從其他回答推斷某項因素的正負影響；後者要求模型預測新條件下的立場與理由權重。

看法變化得分，仍低於本人重答的一致性

依論文結果表，Claude Sonnet 4.5在看法變化預測的平均得分為68.61%，真人重測基準為85.66%，相差17.05個百分點。模型成績取三個議題、五次執行的平均；真人基準來自隔14天重答、通過資料一致性篩選的13人。

這項得分採容許誤差計算：五點量尺的預測與本人答案相差不超過1點、十點量尺相差不超過2點，就算答對。評測核對的是本人自陳的立場與理由權重，研究樣本與議題範圍也限定了結果的適用條件。

HugAgent將新情境問卷答案留在評測端，以受訪者本人的回答核對AI預測的立場與理由權重。

換了議題，AI更難沿用同一人的訪談

同一個人的訪談內容，也未必能支撐另一個議題的預測。論文跨議題測試中，GPT-4o的看法變化預測得分，從同議題的63.11%降至跨議題平均44.64%。例如，模型讀到的是某人在一個公共政策議題上的回答，評測卻要求它推測此人在另一議題的新情境立場。

研究團隊另測試增加訪談問答量；在看法變化預測上，成績沒有呈現穩定提升。作者認為，模型較依賴訪談中的議題線索，跨情境推理與掌握個人看法如何改變，仍是待改善的能力。

訪談模擬已有其他研究。史丹佛HAI在2025年5月的政策簡報介紹，以1,052人的兩小時訪談建立AI模擬，再拿本人的問卷與實驗回答核對；簡報也提出個人資料、受訪同意與模擬使用的監督問題。

台灣團隊試用，先讓本人核對新情境答案

HugAgent的資料釋出說明將程式與真人資料分開處理：程式採MIT授權，資料採CC BY-NC 4.0；Hugging Face下載另要求接受條款及禁止個人側寫用途。文件也將資料定位為評測用途，排除訓練與微調；完整原始訪談及招募紀錄仍保留為非公開資料。

配套的Trace Your Thinking訪談框架可用AI追問，將回答整理成可查看、修改的逐字稿與想法關聯圖。它是自架軟體，需要部署環境、MongoDB資料庫與模型服務帳號；語音功能另需相關API帳號及麥克風。台灣團隊的門檻在於部署、模型服務及訪談資料管理。

媒角抵加建議，研究或使用者訪談團隊可先取得同意，以自建的繁體中文訪談做小型測試：留下幾個新情境，分別讓AI與本人回答，再核對差距；AI整理出的理由與關聯，也交由本人確認。涉及個人資料的試用，可一併參考AI面試紀錄與資料用途及AI代理的資料權限與紀錄管理。更多部署與測試案例，見AI工作流程。

資料來源與更新紀錄