大型语言模型能够从自由形式的用户互动中推断人格特质
人机交互
2024-05-24 v1 人工智能
计算与语言
计算机与社会
机器学习
摘要
本研究探讨了大型语言模型（LLM）从自由形式的用户互动中推断大五人格特质的能力。结果表明，由GPT-4驱动的聊天机器人在推断人格方面具有中等准确度，优于先前从静态文本内容进行推断的方法。不同对话环境下的推断准确率存在差异。当聊天机器人被提示从用户那里获取与人格相关信息时，表现最佳（平均r=.443，范围[.245, .640]），其次是强调整体更强调自然互动的条件（平均r=.218，范围[.066, .373]）。值得注意的是，针对人格评估的直接关注并未导致用户体验变差，参与者在两种条件下报告的互动体验均为自然、愉悦、引人入胜且具有人类化。采用ChatGPT默认行为（充当有帮助的助手）的聊天机器人导致人格推断显著不佳，用户体验评分也较低，但仍能捕捉到一些人格特质具有心理学意义的信息（平均r=.117，范围[-.004, .209]）。初步分析表明，人格推断准确率在不同社会人口统计亚群之间仅存在轻微差异。我们的结果凸显了LLM基于对话互动进行心理轮廓绘制的潜力。我们讨论了这些发现的实际意义以及随之而来的伦理挑战。
引用
@article{arxiv.2405.13052,
title = {Large Language Models Can Infer Personality from Free-Form User Interactions},
author = {Heinrich Peters and Moran Cerf and Sandra C. Matz},
journal= {arXiv preprint arXiv:2405.13052},
year = {2024}
}