通过大语言模型重发现人格隐含维度
计算与语言
2024-09-17 v1
摘要
使用大语言模型（LLM）评估人格特质已成为一个有趣且具有挑战性的研究领域。虽然以往方法采用显式问卷，常来自人格五大模型，但我们假设LLM在建模下一个词响应时会隐式编码人格概念。为证明这一点，我们引入一种新方法，通过对人格描述形容词的对数概率应用奇异分解（SVD）来揭示LLM中人格维度的潜在结构。我们的实验表明，LLM“重新发现”了如外向、宜人、勤勉、神经质和开放性等核心人格特质，而无需依赖直接的问卷输入，前5个因子对应的人格五大特征可解释潜在空间中的74.3%的方差。此外，我们可以利用派生的主成分沿人格五大维度进行评估，并在平均人格预测准确率上相较于微调模型提升最高可达5%，相较于直接基于LLM的评分技术提升最高可达21%。
引用
@article{arxiv.2409.09905,
title = {Rediscovering the Latent Dimensions of Personality with Large Language Models as Trait Descriptors},
author = {Joseph Suh and Suhong Moon and Minwoo Kang and David M. Chan},
journal= {arXiv preprint arXiv:2409.09905},
year = {2024}
}