PERSONA：通过激活向量代数实现动态构成推理时人格控制
人工智能
2026-02-18 v1
摘要
当前的人格控制方法依赖于静态提示或高昂的微调，无法捕捉人类特征的动态与构成性本质。我们引入PERSONA框架，通过直接操控激活空间中的人格向量实现达到相当于微调水平的性能。我们的关键洞察是，人格特征呈现为可提取的、大约正交方向，这些方向支持代数运算。该框架通过三个阶段实现：Persona-Base 通过对比度激活分析提取正交特征向量；Persona-Algebra 通过向量算术实现精确控制（标量乘法用于强度，加法用于构成，减法用于抑制）；Persona-Flow 通过在推理期间动态组合这些向量实现情境感知适应。在PersonalityBench上，我们的方法获得了9.60的平均分，几乎匹配受监督微调上限为9.61的性能，且无需任何梯度更新。在我们提出的用于动态人格适应的Persona-Evolve基准测试上，我们实现了达到91%的胜率。这些结果提供了证据表明，大型语言模型的人格方面是可数学可处理的，为可解释且高效的行为控制开辟了新方向。
引用
@article{arxiv.2602.15669,
title = {PERSONA: Dynamic and Compositional Inference-Time Personality Control via Activation Vector Algebra},
author = {Xiachong Feng and Liang Zhao and Weihong Zhong and Yichong Huang and Yuxuan Gu and Lingpeng Kong and Xiaocheng Feng and Bing Qin},
journal= {arXiv preprint arXiv:2602.15669},
year = {2026}
}
备注
ICLR 2026