从分类到排序：增强 LLM 在 MBTI 人格检测中的推理能力

人格检测旨在通过个体的社交媒体帖子来衡量其对应的人格特质。大型语言模型 (LLM) 的进步为人格检测任务提供了新的视角。现有方法通过利用 LLM 从文本帖子中提取语义信息作为提示，随后训练分类器进行分类，从而增强人格特质分析。然而，由于人类人格的固有复杂性和特质间细微的差别，准确分类人格特质仍然具有挑战性。此外，基于提示的方法通常表现出对专家构建知识的过度依赖，缺乏自主模式学习能力。为了解决这些局限性，我们将人格检测视为排序任务而非分类任务，并提出了相应的强化学习训练范式。首先，我们采用监督微调 (SFT) 来建立人格特质排序能力，同时强制执行标准化输出格式，创建稳健的初始化。随后，我们引入了带有专门基于排序的奖励函数的群体相对策略优化 (GRPO)。与具有明确答案的验证任务不同，人格评估涉及主观解释和特质类别之间模糊的边界。我们的奖励函数通过训练 LLM 学习最佳答案排序来明确应对这一挑战。综合实验表明，我们的方法在多个人格检测基准上达到了 SOTA 性能。