大型语言模型自适应心理说服的研究
计算与语言
2025-06-10 v1
摘要
先前的工作已展示了大型语言模型（LLM）在指令跟随和修辞流畅性方面的引人入目的能力。然而，系统性地探索其在涉及心理修辞的语境中自主说服和抵抗说服的双重能力仍未被探索。在本文中，我们首先评估四种常用 LLM，通过让它们在对抗性对话中交替扮演说服者和听众。经验结果显示，说服者 LLM 主要采用重复性策略，导致成功率较低。随后我们引入 eleven 种综合性心理说服策略，发现明确指示 LLM 采用特定策略（如流畅效应和重复效应）会显著提高说服成功率。然而，没有哪种“通用方案”对所有情境都有效，性能严重依赖于情境中的反事实情形。针对这些观察，我们提出一种基于直接偏好优化的自适应框架，用于训练 LLM 自主选择最优策略，利用来自策略特定响应的说服结果作为偏好对。对三款开源 LLM 的实验确认，所提出的自适应心理说服方法有效地使说服者 LLM 能够选择最优策略，显著提升其成功率，同时保持通用能力。我们的代码已公开于 https://github.com/KalinaEine/PsychologicalPersuasion。
引用
@article{arxiv.2506.06800,
title = {On the Adaptive Psychological Persuasion of Large Language Models},
author = {Tianjie Ju and Yujia Chen and Hao Fei and Mong-Li Lee and Wynne Hsu and Pengzhou Cheng and Zongru Wu and Zhuosheng Zhang and Gongshen Liu},
journal= {arXiv preprint arXiv:2506.06800},
year = {2025}
}
备注
Working in progress