SAC：一种用于测量和诱导 LLM 人格特质并实现动态强度控制的框架

近年来，大语言模型（LLM）在广泛领域获得了显著关注。人们也越来越期望它们在交互中展现出类人的人格特质。为满足这一期望，大量研究提出了通过心理测量评估来建模 LLM 人格的方法。然而，现有大多数模型面临两大主要局限：它们依赖大五人格（OCEAN）框架，该框架仅提供粗略的人格维度；且它们缺乏控制特质强度的机制。在本文中，我们通过扩展最初使用大五人格模型的机器人格量表（MPI）来解决这一空白，引入 16 种人格因素（16PF）模型，从而实现对十六种不同特质的表达控制。我们还开发了一个名为特定属性控制（SAC）的结构化框架，用于评估和动态诱导 LLM 中的特质强度。我们的方法引入了基于形容词的语义锚定来引导特质强度表达，并利用了五个强度因素上的行为问题：Frequency、Depth、Threshold、Effort 和 Willingness。通过实验，我们发现将强度建模为连续谱系，与二元特质切换相比，能产生更加一致且可控的人格表达。此外，我们观察到目标特质强度的变化会以心理上连贯的方向系统性地影响密切相关特质，这表明 LLM 内化了多维人格结构，而非孤立地处理各特质。我们的工作为医疗保健、教育和面试流程等领域的可控且细致的人机交互开辟了新途径，使我们向真正类人的社交机器迈进了一步。