这篇由Nuan Wen与Xuezhe Ma共同完成的预印本论文（arXiv:2605.27388，提交于2026年4月12日）聚焦于一个日益重要却常被忽视的问题：当大型语言模型被用作计算社会分析的代理工具时，它们能否忠实再现人类社区的“厚描述”（thick descriptions，援引Geertz 1973年的概念）。研究指出，现有评估方法往往把社会身份简化为静态标签，忽略了现实群体如何在事件冲击下展现动态的社会立场与语言行为。为填补这一空白，作者提出CARE框架，即“社区感知反应评估”（Community-Aware Reaction Evaluation）。该框架以“反应”为核心，将LLM模拟的话语与不同社区针对真实世界新闻事件所作出的、真实且随事件而变的回应进行对照评测。
在方法上，CARE并不满足于笼统判断模型是否“像某个群体”，而是刻画了一套细粒度的“言外之力语气”（illocutionary tones）谱系，并识别这些语气背后所体现的潜在态度。这种细粒度标注通过人机协作完成，即由人类与AI共同验证语气分类与态度映射的可靠性，从而在保证规模的同时提升标注质量。论文将社会分析中的抽象身份问题转化为可观测的语言行为问题：一个群体面对同一则新闻，其反应语气是讽刺、愤怒、共情还是冷漠，往往比“该群体属于哪一类标签”更能反映其真实态度。
论文的核心诊断揭示了持续存在的“真实性差距”（realism gap）：即使在使用明确的社区提示词引导模型时，LLM在模拟特定社区话语方面的保真度也并未随之实质性提升。换言之，简单地告诉模型“你现在扮演某社区成员”，并不能让它真正掌握该社区在特定事件语境下的语言习惯与态度表达方式。这一发现对当前广泛采用的角色提示与社区人格化模拟实践提出了直接质疑。
此外，分析还发现不同前沿模型之间存在行为特征上的分化，即它们在语气分布与态度表达上呈现出各自不同的“签名”。这说明各模型在训练数据、对齐策略与后训练方式上的差异，会系统性地影响其社会语言模拟的风格与偏差。作者由此得出结论：现有的对齐策略仍不足以捕捉在线群体的社会语言学动态，仅靠指令微调或价值观对齐，难以支撑作为社会科学研究工具的模拟精度。
论文属于自然语言处理（cs.CL）方向，同时涉及人工智能（cs.AI）与社会与信息网络（cs.SI）交叉领域，以预印本形式发布，全文约303 KB，包含PDF、实验性HTML与TeX源码，并提供了DOI（10.48550/arXiv.2605.27388）。对使用LLM进行舆论模拟、合成用户研究或社会科学计算分析的研究者而言，该工作提示了一个重要警示：模型输出看似合理，并不等于忠实再现；评估必须回到具体事件与具体社区的语用细节层面进行检验，而非停留在静态标签与表面流畅度上。