通过心理支架进行语言模型人格化的改进
计算与语言
2025-05-22 v2
摘要
以用户描述或人格化提示的语言模型正在用于预测用户的偏好和意见。然而，现有构建人格化方法大多依赖用户的人口统计属性和/或先前判断，而不考虑用户判断背后的潜在推理。我们提出了 PB&J（Behavior and Judgments的人口心理学）框架，通过纳入解释用户为何会作出某种判断的潜在理由来改进 LM 人格化。我们的理由由语言模型生成，用于明确就用户基于其经验、人格特质或信念的行为进行推理。该方法运用心理支架：如大五人格特质或原始世界信念等结构化框架，帮助将生成的理由扎实地 grounded 在现有理论之上。实验在公开意见和电影偏好预测任务上表明，使用 PB&J 理由增强的语言模型人格化 consistently优于仅基于用户人口统计信息和/或判断条件化的人格化，包括使用模型默认链式思考方式，这些方法不以心理学理论为依据。此外，我们的 PB&J 人格化在使用人类编写的理由时表现出竞争力，表明了由现有理论指导的合成理由的潜力。
引用
@article{arxiv.2504.17993,
title = {Improving Language Model Personas via Rationalization with Psychological Scaffolds},
author = {Brihi Joshi and Xiang Ren and Swabha Swayamdipta and Rik Koncel-Kedziorski and Tim Paek},
journal= {arXiv preprint arXiv:2504.17993},
year = {2025}
}