人类化机器：通过面向 LLM 设计的多层次人格化框架

大语言模型 (LLM) 越来越呈现出\textbf{人格化}特征——跨其外观、语言、行为和推理功能的人类化特征。这种特征使得人类与 AI 之间的交互更加直观和引人入目。然而，当前关于人格化的研究主要关注风险，强调过度信任和用户欺骗，而提供的设计指导有限。我们认为，人格化应被视为一种\emph{可被有意调控以支持用户目标的设计概念}。基于多个学科，我们提出 LLM 基于人格化的制品的人格化应反映制作者与解释者之间的相互作用。这种相互作用通过制作者嵌入制品中的线索以及解释者对这些线索的（认知）反应来实现。将线索分为四个维度：\textit{感知的、语言的、行为的}和\textit{认知的}。通过分析每种线索的表现形式和有效性，我们提供了一个统一的分类框架，为实践者提供可操作的调控杆。因此，我们主张对人格化设计进行功能导向的评估。