稳定人格：LLM 基于人类模拟的双重评估框架
人机交互
2026-05-21 v2
摘要
大型语言模型 (LLM) 作为人工智能体 offering 为可扩展的行为研究提供了潜力，但其有效性取决于 LLM 是否能够在持续对话中维持稳定的人格。我们采用双重评估框架，同时测量自我报告特征和观察者评估的人格表达。在两个实验中测试四种人格情境（默认、高、中、低 ADHD 表现），以及七种 LLM 和三个语义等价人格提示，我们检验了跨对话的稳定性（3,473 场对话）和对话内稳定性（1,370 场对话和 18 轮）。自我报告在跨对话和对话内均高度稳定。然而，观察者评估显示，在持续对话期间，人格表达倾向于下降。这一发现表明，人格指示的 LLM 产生稳定、符合人格的自我报告，这是行为研究的重要前提，同时识别出这种人格回归趋势作为多智能体社交模拟的边界条件。
引用
@article{arxiv.2601.22812,
title = {Stable Personas: Dual-Assessment of Temporal Stability in LLM-Based Human Simulation},
author = {Jana Gonnermann-Müller and Jennifer Haase and Nicolas Leins and Thomas Kosch and Sebastian Pokutta},
journal= {arXiv preprint arXiv:2601.22812},
year = {2026}
}