合成用户与数字孪生：定义、风险与适用场景

两类工具，两种承诺

Dscout 这篇文章的起点是一个很日常的场景：你问一个 AI 研究工具“用户会怎么想”，它会非常自信地给出答案。问题在于，这个答案建立在什么之上。文章把市面上常被混用的两个概念拆开：合成用户（synthetic users）是由通用训练数据生成的虚构人格，是模型在扮演某种用户类型，不对应任何具体的人；数字孪生（digital twins）则是用某个真实个体的数据训练出的模型，声称能预测这个人会怎么回答。

这个区分决定了它们各自能承诺什么。合成用户是复合体，适合早期、方向性的反馈，比如一个按钮文案会不会让人困惑、某个功能想法值不值得往下推。数字孪生则试图代表一个具体的人，因此被寄予更高的期待，也承担更大的风险。

风险写在名字里

文章说，风险就在“合成”和“孪生”这两个词里：两者都不是真东西，行为也就不会和真人完全一样。差距最明显的地方，恰恰是真实用户研究最擅长捕捉的部分——人的回答会随情绪、疲劳、当周预算等因素变化，而且人并不总是说到做到。一个基于过去数据快照训练出来的模型，很难完整复现这种情境依赖和不理性。

作者认为，最大的风险其实不在工具本身，而在于把它的输出当成定论而非方向。文中引用 Sun 等人 2025 年的说法：只依赖模拟，可能漏掉公平、个性化、信任等关键用户关切，因此把真人留在评估回路中既是方法要求，也是伦理要求。

数字孪生的五类失真

文章转述了一项 2026 年 9 月的哥伦比亚大学研究，该研究识别出数字孪生行为中的五种系统性失真：个体区分不足，把人压缩成模式，漏掉真正让某人不同的地方；刻板化，更依赖群体层面的特征而非个体信号；代表性偏差，对受教育程度较高、收入较高、意识形态温和的人表现更好，而这部分人本就已在研究样本中过度代表，对代表性不足群体的准确率差距更大；意识形态偏差，反映底层模型自带的政治与社会倾向；过度理性，推理过于干净，未能复现决策研究中两个成熟发现——吸引效应和妥协效应，而这两者都依赖人有点不理性。

研究甚至把当下的数字孪生形容为“哈哈镜”，会系统性地扭曲人类行为。这个比喻值得留意：它不是说不准，而是说错得有方向、有规律。

合成用户的准确率边界

对合成用户，文章引用 NN/G 的发现：在熟悉话题的态度性问题上，合成用户准确率约为 80%。但这个数字不能外推到行为性问题、陌生情境，或涉及注意力分散与特殊限制的场景。作者强调，决策越重要，准确率差距越大。

这也解释了文章给出的使用建议：合成用户是速度工具，不是稳健的研究工具，适合快速缩小选项范围，但不能确认你选对了。数字孪生则应窄用，用来填补现有数据的空缺；哥伦比亚大学的研究者发现，孪生在捕捉参与者之间的相对差异上，比预测任何一个人的确切答案更可靠。

AI 能更快问到更好的问题

文章最后提到，Outset 和 Dovetail 这两家在做数字孪生的平台也公开表示，孪生是用来延伸而非替代真人研究；哥伦比亚大学研究者的目标同样是建立透明、负责任的数字孪生开发科学，而不是否定这项技术。

作者的落点是一句克制的判断：AI 可以帮你更快地抵达一个更好的问题，但它仍然不能替你回答这个问题。对研究团队来说，真正的工作是判断哪些环节适合快速、方向性的 AI 反馈，哪些环节非真人不可。这不是一条方法论清单，而是一个需要逐案判断的边界问题。