DPRF：面向优化LLM角色扮演代理与人类行为对齐的通用可动态人格细化框架

新兴的大型语言模型角色扮演代理 (LLM RPAs) 旨在模拟 individual 人类的行为，但人格忠实度常常因手动创建的轮廓 (例如挑选的信息和人格特征) 而受到削弱，这些轮廓未验证与目标 individual 的对齐。为解决这一局限性，我们的工作引入了动态人格细化框架 (DPRF)。DPRF旨在通过识别在自由形式或以理论为基础的结构化分析中，生成的行为与人类真实行为之间的认知偏差，从而优化LLM RPAs的行为与目标 individual的行为的对齐，并细化人格轮廓以缓解这些偏差。我们在四个多样化的行为预测场景中评估了DPRF：正式辩论、带有心理健康问题的社交媒体帖子、公共采访和电影评论。DPRF在基线人格轮廓之上 consistently 改进了行为对齐，并在模型和场景之间具有良好的可推广性。我们的工作提供了一种健壮的方法，用于创建高忠实度的人格轮廓并增强下游应用的有效性，如用户仿真、社会研究和个性化AI。