InterviewSim：面向访谈导向人格模拟的可扩展框架
计算与语言
2026-02-25 v1 人工智能
计算机与社会
摘要
使用大语言模型模拟真实人格需要将生成 grounded 在真实个人数据之上。现有的评估方法依赖人口统计学调查、人格问卷或由 AI 主导的短访谈作为代理，但缺乏对实际个体所说内容的直接评估。我们提出了一个基于访谈的评估框架，用于大规模人格模拟。我们从 23,000 份经验证的访谈记录中提取超过 67 万问答对，覆盖 1,000 位公众人物，其中平均访谈时长为 11.5 小时。我们提出了一个多维评估框架，包含四个互补指标：内容相似性、事实一致性、人格一致性和事实知识保留。通过系统比较，我们证明基于真实访谈数据的方法显著优于仅依赖生物资料轮廓或模型参数知识的方法。我们进一步揭示了访谈数据利用方式之间的权衡：检索增强方法在捕捉人格风格和响应质量方面表现突出，而时间顺序方法更擅长保持事实一致性和知识保留。我们的评估框架 enables 基于应用需求进行原则性方法选择，并为推动人格模拟研究提供了可操作的见解。
引用
@article{arxiv.2602.20294,
title = {InterviewSim: A Scalable Framework for Interview-Grounded Personality Simulation},
author = {Yu Li and Pranav Narayanan Venkit and Yada Pruksachatkun and Chien-Sheng Wu},
journal= {arXiv preprint arXiv:2602.20294},
year = {2026}
}