ASPECT：AI 推断个人轮廓的拟似对齐评估

代表个人而进行沟通的 AI 代理需要捕捉每个人的实际沟通方式，但现有方法要么需要针对每个人的高成本微调，要么产生来自浅层人格描述的通用输出，要么在不建模沟通风格的前提下优化偏好。我们提出了 ASPECT（Automated Social Psychometric Evaluation of Communication Traits），即一种管道，引导大语言模型 (LLM) 对来自工作场所数据中行为证据的评估结果进行评估，而无需针对每个人进行训练。在一项包含 20 名参与者（1840 项配对项目评估、600 项情景评估）的案例研究中，ASPECT 生成的轮廓实现了与自我评估的中度对齐程度，ASPECT 生成的响应在整体上被优先于通用基线和自我报告基线，同时在个体和情境之间呈现显著差异。在轮廓审查阶段，关联证据帮助参与者识别误字符化，重新校准自身评估，并协商适当的情境表示。我们讨论了构建可检查、针对个体范围的沟通轮廓的含义，这些轮廓使个体能够控制代理人如何在工作中代表自己。