基于心理学信息的内容与嵌入的系列化提示技术：用于解码器-only 模型的人格识别
计算与语言
2025-12-09 v1 人工智能
摘要
大型语言模型 (LLM) 在 various natural language processing tasks 中展现出惊人的能力。本研究引入一种新型“系列化提示”算法，称为 PICEPR (Psychology-Informed Contents Embeddings for Personality Recognition)，包含两个管道：(a) 内容管道 (b) 嵌入管道。该方法展示了模块化解码器-only LLM 如何对内容进行总结或生成，这有助于分类或增强人格识别功能，作为人格特征提取器和富人格内容生成器。我们进行了各种实验，以为 PICEPR 算法的理念提供证据。同时，我们也探索了来自 OpenAI 的 gpt4o 和来自 Google 的 gemini 等闭源模型，以及来自 Mistral AI 的 mistral 等开源模型，以比较生成内容的质量。PICEPR 算法通过 5-15% 的提升实现了人格识别的新型态的最佳性能。该工作的存储库和模型权重可在 https://research.jingjietan.com/?q=PICEPR 查找。
引用
@article{arxiv.2512.06991,
title = {Prompting-in-a-Series: Psychology-Informed Contents and Embeddings for Personality Recognition With Decoder-Only Models},
author = {Jing Jie Tan and Ban-Hoe Kwan and Danny Wee-Kiat Ng and Yan-Chai Hum and Anissa Mokraoui and Shih-Yu Lo},
journal= {arXiv preprint arXiv:2512.06991},
year = {2025}
}
备注
16 pages