Live NexSight: Bestes getestetes Modell löst auf SightLine nur 54,52 Prozent der Aufgaben
↘

Chiron: Feinabgestimmtes Sprachmodell soll menschliches Verhalten messen und vorhersagen

Die Autoren berichten von deutlichen Vorteilen gegenüber Frontier-LLMs. Der LoRA-Adapter liegt offen auf Hugging Face, ist aber nur für Forschung freigegeben. Unabhängig bestätigt sind die Zahlen nicht.

· Veröffentlicht: 22.11.2026 ·2 Min Lesezeit
Chiron: Feinabgestimmtes Sprachmodell soll menschliches Verhalten messen und vorhersagenMit KI erstellt
Inhalt
◆ Fakten auf einen Blick
  • Chiron ist ein Foundation Model zur Messung und Vorhersage menschlichen Verhaltens.
  • Trainiert auf 36 Verhaltensdomänen, 78 Experimenten und 288.307 Personendatensätzen.
  • Chiron stimmt laut Autoren enger mit menschlichen Selbstauskünften überein.
  • Chiron sagt individuelles Verhalten laut Autoren bis zu 28,4 % genauer voraus als Frontier-LLMs.
  • Basismodell ist Qwen/Qwen3.6-35B-A3B; Forschung only, keine klinischen Diagnosen.

Chiron soll Frontier-LLMs bei Verhaltensvorhersage und Effektschätzung schlagen

Ein Forschungsteam hat Chiron vorgestellt, ein Foundation Model zur Messung und Vorhersage menschlichen Verhaltens. Dafür wird ein großes Sprachmodell gleichzeitig auf drei Ziele hin feinabgestimmt: Es soll psychologische Konstrukte repräsentieren, individuelles Verhalten vorhersagen und die Verteilung simulierter Antworten an menschliche Statistiken angleichen. Den Hintergrund beschreiben die Autoren im Abstract so: LLMs erzeugen zwar plausible Antworten, bilden Einzelpersonen aber oft falsch ab und verzerren Populationsstatistiken.

Nach Angaben der Autoren sollen Chirons psychologische Messungen enger mit menschlichen Selbstauskünften übereinstimmen. Zudem zeigten sie weniger Verzerrungen, die die psychometrische Validität untergraben. Individuelles Verhalten sage das Modell genauer vorher als Frontier-LLMs, mit bis zu 28,4 Prozent relativer Verbesserung. In Simulationen sozialwissenschaftlicher Experimente liege der Fehler bei der Schätzung von Effektgrößen um 82,2 bis 94,3 Prozent niedriger.

Training und Evaluation stützen sich laut den Autoren auf 36 Verhaltensdomänen und 78 sozialwissenschaftliche Experimente. Die Datenbasis umfasst 288.307 Personendatensätze, 1.411.750 einzelne Verhaltensentscheidungen und 99.953 psychometrische Erhebungen zu 109 Konstrukten.

Offener LoRA-Adapter auf Hugging Face, Nutzung nur für die Forschung

Das Repository chiron-group/chiron ist auf Hugging Face veröffentlicht. Es enthält den LoRA-Adapter, einen Messkopf für 109 Konstrukte, Inferenzcode und Beispiele. Als Basismodell dient Qwen/Qwen3.6-35B-A3B, das beim ersten Gebrauch separat geladen wird.

Für die Inferenz braucht es Python 3.12 unter Linux und genug GPU-Speicher für das 35B-Basismodell. Die Freigabe gilt ausdrücklich nur für Forschungszwecke. Chiron darf weder für klinische Diagnosen noch zum Screening von Einzelpersonen eingesetzt werden.

Unabhängige Studien: Übereinstimmung synthetischer Stichproben belegt noch keine Validität

Die Leistungsangaben stammen bislang allein von den Autoren. Eine unabhängige Replikation fehlt. Die Formulierung „beispiellose Genauigkeit“ taucht nicht im Abstract auf, sondern in einer Zusammenfassung durch Dritte.

Zwei unabhängige Arbeiten behandeln Chiron nicht und bewerten es daher auch nicht. Sie beschreiben aber das Problem, das Chiron lösen will. Ein Preprint zu Silicon Sampling zeigt, dass instruktionsgetunte Modelle nicht aus Verteilungen samplen, die sie beschreiben können. Dieselbe Persona liefert bei mehr als der Hälfte der Items eines Public-Opinion-Benchmarks dieselbe Antwort, und Instruction Tuning verstärkt den Effekt. Eine weitere Studie vergleicht synthetische Umfragedaten mehrerer Frontier-Modelle mit einer Befragung von 400 Entwicklern. Keines der Modelle erfasst alle kontraintuitiven Befunde der menschlichen Umfrage konsistent. Übereinstimmung zwischen synthetischen Stichproben belegt daher keine Übereinstimmung mit menschlichen Populationen.

Prüfbar ist Chiron gerade wegen seiner offenen Verfügbarkeit. Replikationen auf neuen Datensätzen, Populationen und Kulturen sind möglich, ebenso der Vergleich mit Centaur und mit gezielt optimierten Prompting-Ansätzen.

A
Andreas Rüdiger
Herausgeber & Redaktionsleitung · KI-Modelle, Technik & Business

Andreas Rüdiger ist Gründer der Agentur INREMA und verantwortet KI Spotlight redaktionell. Sein Schwerpunkt liegt auf KI-Modellen, Recheninfrastruktur, technischen Entwicklungen und der wirtschaftlichen Einordnung. Er sorgt dafür, dass komplexe KI-Themen verständlich und nachvollziehbar aufbereitet werden. Mehr zu ihm auf inrema.de und andiger.de.

Ähnliche Artikel