EpiPersona: 用于多元偏好建模的人格投射与剧集耦合
人工智能
2026-03-31 v1
摘要
多元对齐对于将大语言模型（LLMs）适应于个体和少数群体的多样化偏好至关重要。然而，现有方法往往混合稳定的个人特质与剧集特定因素，限制了它们跨剧集泛化的能力。为应对这一挑战，我们提出了 EpiPersona，一个用于显式人格-剧集耦合的框架。EpiPersona 首先将噪声偏好反馈投射到低维人格空间，其中相似的人格被聚合为共享的离散编码。这一过程在无需预定义偏好维度的情况下，将持久的个人特征与情境信号分离开来。然后推断出的人格表征与当前剧集耦合，使剧集感知的偏好预测成为可能。大量实验表明，EpiPersona 始终优于基线方法。它在困难的剧集转换场景中取得了显著的性能提升，同时在稀疏偏好数据下仍然有效。
引用
@article{arxiv.2603.28197,
title = {EpiPersona: Persona Projection and Episode Coupling for Pluralistic Preference Modeling},
author = {Yujie Zhang and Weikang Yuan and Zhuoren Jiang and Pengwei Yan},
journal= {arXiv preprint arXiv:2603.28197},
year = {2026}
}