人格几何：大型语言模型中人格与推理的解耦
机器学习
2025-12-09 v1 人工智能
摘要
背景：大型语言模型（LLM）的个性化部署目前受制于稳定性-塑性困境。流行的对齐方法，如监督式微调（Supervised Fine-Tuning, SFT），依赖随机权重更新，常导致“对齐税”——损害通用推理能力。方法：我们提出Soul Engine框架，基于线性表示假设（Linear Representation Hypothesis），该假设认为人格特征存在于正交线性子空间中。我们引入SoulBench，通过动态语境抽样构建数据集。采用基于冻结Qwen-2.5底层模型的双头架构，从不修改底层权重的条件下提取解耦人格向量。结果：我们的实验显示三个突破性成果。首先，高精度轮廓化：模型对心理学真实值的均方误差（Mean Squared Error, MSE）为0.011。其次，几何正交性：t-SNE可视化确认人格流形是独立且连续的，可实现“零样本人格注入”而不损失原始模型智能。第三，确定性引导：我们通过向量算术实现对行为的稳健控制，经大量消融实验验证。结论：本工作挑战了个性化微调的必要性。通过从概率性提示转向确定性潜在干预，我们为安全可控的人工智能个性化提供了数学严谨的基础。
引用
@article{arxiv.2512.07092,
title = {The Geometry of Persona: Disentangling Personality from Reasoning in Large Language Models},
author = {Zhixiang Wang},
journal= {arXiv preprint arXiv:2512.07092},
year = {2025}
}
备注
10 pages, 3 figures, 1 table. Code and dataset available at https://huggingface.co/Zx93/Soul-Engine-Qwen2.5-0.5B