アンケート回答を代替するLLM個人モデルの構築と精度検証：N=1予備実験 A developer built a personal LLM model called 'bunshin' trained on their own survey histor…
- 自分自身の回答履歴でLLM個人モデル「bunshin」を構築し、ホールドアウト10問で精度検証。
- 単一選択accuracy 71.4%（5/7問）を達成したN=1 PoCの報告。
English summary
- A developer built a personal LLM model called 'bunshin' trained on their own survey history to automate questionnaire responses, achieving 71.4% accuracy on a 10-question holdout set in an N=1 proof-of-concept.
この記事は、自分自身のアンケート回答履歴を学習データとしてLLM個人モデル「bunshin」を構築し、将来のアンケート回答を自動化するPoC（概念実証）の実験報告です。いわゆる「デジタルツイン」的なアプローチで、消費者パネル調査への応用を想定しています。
評価手法として、答え合わせ用に10問をホールドアウトし、単一選択問題でaccuracy 71.4%（7問中5問正解）を達成。Likert尺度などの結果も含む詳細は記事本文で確認できます。
N=1という限定的なサンプルでの予備実験であり、汎化性能や倫理的考慮（回答の代替可否など）については引き続き検証が必要な段階です。実装はClaudeを活用しており、将来的なマーケットリサーチ自動化への可能性を探っています。
This article reports on a proof-of-concept called 'bunshin' in which the author built a personal LLM model using their own historical survey responses, aiming to automate future questionnaire completion. The approach draws on the concept of a digital twin applied to consumer panel research.
For evaluation, 10 questions were held out as a test set. The model achieved 71.4% accuracy (5 out of 7) on single-choice questions. Results for Likert-scale and other question types are discussed in the full article, which readers should consult for the complete breakdown.
This is explicitly an N=1 pilot experiment, so generalizability remains an open question. Ethical considerations around delegating survey responses to an AI proxy are also noted but not fully resolved. The implementation leverages Claude, and the author frames this as early-stage exploration toward automating market research participation.
本ページの本文・要約は AI による自動生成です。正確性は元記事 (zenn.dev) をご確認ください。
