从用户行为日志中进行层次化多人格 induction：学习依据证据且真实的多人格
人工智能
2026-04-30 v1
摘要
行为日志提供了丰富的用户建模信号，但受噪声和意图交织的影响。近期工作使用大语言模型从用户日志生成可解释的自然语言人格，但评估常侧重于下游效用，无法充分保证人格本身的质量。我们提出了一个层次化框架，将用户动作聚合为意图记忆，并通过聚类和标记这些记忆来诱导多个依据证据且真实的人格。我们将人格诱导建模为人格质量——由聚类内凝聚力、人格-证据对齐和人格真实性构成——的优化问题，并通过 Direct Preference Optimization (DPO) 的群组扩展方法训练人格模型。在大规模服务日志和两个公开数据集上的实验表明，我们的方法诱导出更连贯、依据证据且值得信赖的人格，同时还能提高未来交互的预测性能。
引用
@article{arxiv.2604.26120,
title = {Hierarchical Multi-Persona Induction from User Behavioral Logs: Learning Evidence-Grounded and Truthful Personas},
author = {Nayoung Choi and Haeyu Jeong and Changbong Kim and Hongjun Lim and Jinho D. Choi},
journal= {arXiv preprint arXiv:2604.26120},
year = {2026}
}