先建立行為基準
LLM 可以給出流暢而合理的選擇，卻使用與真人不同的決策結構。因此，基準不能只是研究者預先寫好的理想答案，而要來自實測構念、自陳選擇，以及這些變數之間的關係。
評估要問的是結構：風險知覺是否朝預期方向影響選擇？限制條件是否真的壓低某項行動？不在提示中暴露群體標籤時，差異是否仍然存在？
分開提示建構與結果評估
人物設定只能包含核准輸入，並透過可重現的映射產生。會洩漏預期答案的標籤必須排除，再以重複執行觀察結論是否承受一般模型變異。
選擇一致度、路徑方向、群體差異與穩定性可以互相補充，但沒有任何單一指標足以證明模型等同人類。
應該報告的失敗模式
常見問題包括把不同群體壓成平均反應、答案正確但理由結構錯誤、不同執行出現不一致，以及把關聯性的人類模型誤解為因果。這些不是要隱藏的雜訊，而是評估結果。
實務意義
模擬使用者系統最後應交付有邊界的效度說明：檢查了哪些行為、族群與條件，哪些一致、哪些不一致，以及還不知道什麼。這比籠統宣稱代理很真實更有用。