Persona Switch：在解码时混合不同视角
计算与语言
2026-01-23 v1
摘要
角色扮演提示已知能通过向提示中注入角色来引导语言模型的行为，从而提升其零样本推理能力。然而，这种提升在不同任务或实例间并不一致。这种不一致性表明，零样本提示和角色扮演提示可能提供互补的优势，而非一种普遍优于另一种。基于这一洞察，我们提出了Persona Switch，一种新颖的解码方法，能够动态结合两种提示策略的优势。我们的方法逐步进行，在每一步通过比较零样本和角色扮演提示的输出置信度（由logit间隙衡量），选择更优的输出。在广泛使用的LLM上的实验表明，Persona Switch始终优于竞争基线，准确率提升高达5.13%。此外，我们证明输出置信度可作为选择更可靠输出的信息性度量。
引用
@article{arxiv.2601.15708,
title = {Persona Switch: Mixing Distinct Perspectives in Decoding Time},
author = {Junseok Kim and Nakyeong Yang and Kyomin Jung},
journal= {arXiv preprint arXiv:2601.15708},
year = {2026}
}
备注
EACL'26 Findings, Code is available at https://github.com/junseokkim00/PersonaSwitch