人格决定一切：用户特征如何预测多轮协作任务中的 LLM 偏好
地球与行星天体物理
2025-10-15 v2
摘要
随着大型语言模型（LLM）日益融入日常工作流程，用户通过多轮协作塑造结果，一个关键问题浮现：不同人格特征的用户是否系统性地偏好某些特定的 LLM？我们对32名均匀分布在四种Keirsey人格类型中的参与者进行研究，评估其与GPT-4和Claude 3.5在四项协作任务（数据分析、创意写作、信息检索和写作辅助）中的互动。结果显示，显著的人格驱动偏好：理性型用户尤其在目标导向任务中强烈偏好GPT-4，而理想主义者则偏好Claude 3.5，尤其适用于创意和分析性任务。其他人格类型则表现出任务依赖性偏好。情感分析对定性反馈确认了这些模式。值得注意的是，各模型的综合有用性评分相似，表明人格基因分析揭示了传统评估未能捕捉的 LLM 差异。
关键词
引用
@article{arxiv.2508.21627,
title = {How stellar mass and disc size shape the formation and migration of super-Earths},
author = {Jesper Nielsen and Anders Johansen},
journal= {arXiv preprint arXiv:2508.21627},
year = {2025}
}
备注
17 Pages, 16 figures, accepted for publication in A&A. Language and layout revised