Profile-LLM：面向LLM真实人格表达的动态轮廓优化
计算与语言
2025-11-26 v1
摘要
个性化大语言模型(LLM)被证明是创建更具吸引力和愉悦的用户AI交互的有效方式。虽然先前研究探索了使用提示词激发LLM中的特定人格特征，但未对这些提示词进行优化以最大化人格表达。为此，我们提出PersonaPulse：面向LLM真实人格表达的动态轮廓优化框架，利用LLM内在的人格特征知识迭代增强角色扮演提示词，同时集成情境响应基准作为评分工具，确保更真实且情境导向的评估以引导优化过程。定量评估表明，PersonaPulse生成的提示词优于先前工作，后者基于心理学研究中的人格描述设计。此外，我们通过大量实验探讨了模型大小与人格建模之间的关系。最后，我们发现对于某些人格特征，暂停优化过程可部分控制人格召唤程度。这些发现凸显了提示词优化在塑造LLM人格表达中的重要性，为未来研究提供了关于自适应AI交互的宝贵见解。
关键词
引用
@article{arxiv.2511.19852,
title = {Profile-LLM: Dynamic Profile Optimization for Realistic Personality Expression in LLMs},
author = {Shi-Wei Dai and Yan-Wei Shie and Tsung-Huan Yang and Lun-Wei Ku and Yung-Hui Li},
journal= {arXiv preprint arXiv:2511.19852},
year = {2025}
}