大型语言模型中的人格、角色与表达风格：一种互动主义分析

基于提示的人格控制是设计大型语言模型(LLM)对话代理以在社交情境中保持一致行为的关键技术，但仅在提示中指定 BFT(大五人格)特征并不确保在生成语句中表达出预期的人格。本文从互动主义视角研究这一偏差，将人格表达视为由人格规格与情境因素相互作用所塑造的情境依赖性结果。我们分析了感知 BFT 表达如何受到三个提示因素的影响：人格特征、对话角色和表达风格。我们采用包含 6 种人格条件、3 种角色和 3 种表达风格条件的全因子设计，在英文和日文中分别生成每种条件下的 1080 组 LLM 对话代理对话。随后我们使用 LLM 作为评判框架来评估目标 agent 的语句，以估计其表达的大五人格。结果表明，感知的人格不仅受到显式人格规格的影响，还受到对话角色和表达风格的影响。这些效应因人格而异：对话角色对 Openness 影响显著，表达风格对 Conscientiousness 和 Agreeableness 具有显著作用，而显式人格规格主导 Neuroticism。即使没有显式的人格特征规格，社交和表达条件也会诱导不同寻常的人格印象。跨语言比较显示，英文和日文对话在整体上呈现相似模式，仅在特定的人格、角色和表达风格的组合下才有显著差异。这些发现表明，LLM agent 的人格控制不应被理解为人格提示的直接结果，而应被视为涉及人格规格、社交角色和表达风格的情境依赖性过程。