Vibe Check：理解基于 LLM 的对话代理在目标导向任务中的人格与一致性对用户感知的影响

大语言模型（LLM）使对话代理（CA）能够表达独特的人格，引发了关于此类设计如何塑造用户感知的新问题。本研究调查了在目标导向任务中，人格表达水平以及用户与代理的人格一致性如何影响用户感知。在一项被试间实验（N=150）中，参与者与表现出大五人格特质低、中、高表达水平的 CA 一起完成了旅行规划任务，该表达水平通过我们新颖的特质调制键框架进行控制。结果显示了一种倒 U 型关系：中等表达水平在智能性、愉悦度、拟人化、采纳意愿、信任和喜爱度方面产生了最积极的评价，显著优于两个极端。人格一致性进一步提升了结果，其中外向性和情绪稳定性是最具影响力的特质。聚类分析确定了三种不同的兼容性特征，其中“高度一致”的用户报告了极其积极的感知。这些发现表明，人格表达和战略性特质一致性构成了 CA 人格的最佳设计目标，为日益普及的基于 LLM 的 CA 提供了设计启示。