反射性神经语言生成中的噪声驱动人格形成
计算与语言
2026-01-01 v1
摘要
本文引入了 Luca-Noise 反射协议（LN-RP），一个用于分析大型语言模型中噪声驱动人格涌现的计算框架。通过将随机噪声种子注入初始生成状态，我们观察了 152 个生成周期中语言行为的非线性转变。我们的结果揭示了三种具有不同熵特征的稳定人格模式，并证明外部噪声源可以可靠地诱导反射性生成动力学中的相变。定量评估证实了一致的人格保持以及各模式间的显著差异（p < 0.01）。该协议为研究 LLM 中的反射性生成、涌现行为和长程语言连贯性提供了一种可复现的方法。
引用
@article{arxiv.2512.23716,
title = {Noise-Driven Persona Formation in Reflexive Neural Language Generation},
author = {Toshiyuki Shigemura},
journal= {arXiv preprint arXiv:2512.23716},
year = {2026}
}
备注
324 pages, 9 figures (Figure 7 intentionally skipped), with Appendices A-I. This manuscript presents a computational framework for noise-driven persona formation in neural language generation, analyzing 152 generation cycles using GPT-5.1 with stochastic noise seeds generated by Microsoft Copilot. Primary category: cs.CL