Deterministic AI Agent Personality Expression through Standard Psychological Diagnostics
作者: J. M. Diederik Kruijssen, Nicholas Emmons
分类: cs.LG, cs.AI, cs.CY, cs.HC
发布日期: 2025-03-21
备注: 25 pages, 8 figures, 4 tables; appeared in ADI (March 2025)
期刊: ADI 2, 15-39 (2025)
💡 一句话要点
通过标准心理学诊断，实现AI Agent确定性人格表达
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: AI Agent 人格表达 心理学框架 大五人格 迈尔斯-布里格斯 人机交互 大型语言模型
📋 核心要点
- 现有AI Agent表达方式通用且统一，缺乏个性化特征，限制了其应用范围和用户接受度。
- 该研究利用成熟的心理学框架指导AI模型，使其能够表达确定且一致的人格特征。
- 实验表明，GPT-4o等先进模型在表达指定人格方面具有较高准确性，且人格表达源于智能和推理能力的结合。
📝 摘要（中文）
大型语言模型驱动的人工智能（AI）系统在现代社会日益普及，通过自然语言交互实现广泛应用。随着AI Agent在日常生活中激增，其通用和统一的表达方式严重限制了它们的吸引力和接受度。人格表达是创建更像人类和更具特色的AI系统的关键前提。本文表明，当使用已建立的心理学框架进行指导时，AI模型可以表达确定性和一致性的人格，其准确性取决于模型的能力。研究发现，GPT-4o和o1等更先进的模型在表达指定人格方面表现出最高的准确性，无论是在大五人格还是迈尔斯-布里格斯评估中。进一步的分析表明，人格表达源于智能和推理能力的结合。研究结果表明，人格表达通过整体推理而非逐个问题优化来实现，响应尺度指标显示出比测试尺度指标更高的方差。此外，模型微调会独立于人格表达的准确性影响沟通风格。这些发现为创建具有多样化和一致人格的AI Agent奠定了基础，这可以显著增强从教育到医疗保健等应用中的人机交互，同时还可以实现更广泛的独特AI Agent。定量评估和实施AI系统中人格表达的能力为研究更具相关性、可信赖和符合伦理设计的AI开辟了新途径。
🔬 方法详解
问题定义：论文旨在解决AI Agent人格表达缺乏的问题。现有AI Agent通常采用通用和统一的表达方式，缺乏个性化特征，难以满足用户对更具人情味和独特性的AI的需求。现有方法无法有效控制和塑造AI Agent的人格，导致其在人机交互中显得生硬和缺乏吸引力。
核心思路：论文的核心思路是利用成熟的心理学框架（如大五人格和迈尔斯-布里格斯类型指标）来指导AI模型，使其能够表达确定且一致的人格特征。通过将人格特征转化为具体的指令和约束，引导AI模型在生成文本时体现出特定的人格倾向。这种方法旨在实现对AI Agent人格表达的精确控制和塑造。
技术框架：该研究的技术框架主要包括以下几个阶段：1) 选择合适的AI模型（如GPT-4o和o1）；2) 使用心理学框架（如大五人格和迈尔斯-布里格斯类型指标）定义目标人格；3) 设计相应的指令和提示，引导AI模型表达目标人格；4) 使用心理学评估工具（如问卷调查）评估AI模型表达的人格与目标人格的匹配程度；5) 分析实验结果，探讨影响人格表达准确性的因素。
关键创新：该研究的关键创新在于将心理学理论与AI技术相结合，提出了一种可控且可量化的人格表达方法。与以往依赖于人工设计或随机生成人格特征的方法不同，该研究利用成熟的心理学框架，实现了对AI Agent人格表达的精确控制和评估。此外，该研究还发现，人格表达并非简单的逐个问题优化，而是依赖于整体推理能力。
关键设计：研究中，关键的设计包括：1) 使用大五人格和迈尔斯-布里格斯类型指标作为人格评估框架；2) 设计明确且具体的指令，引导AI模型表达特定的人格特征；3) 使用标准化的心理学问卷评估AI模型表达的人格；4) 分析响应尺度和测试尺度指标的方差，以评估人格表达的稳定性和一致性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，GPT-4o和o1等先进模型在表达指定人格方面表现出最高的准确性，无论是在大五人格还是迈尔斯-布里格斯评估中。研究还发现，人格表达源于智能和推理能力的结合，而非简单的逐个问题优化。此外，模型微调会独立于人格表达的准确性影响沟通风格。
🎯 应用场景
该研究成果可应用于多个领域，包括教育（个性化辅导）、医疗保健（情感支持）、客户服务（定制化交互）等。通过赋予AI Agent多样化和一致的人格，可以显著增强人机交互的自然性和有效性，提高用户满意度和信任度。此外，该研究还为开发更具相关性、可信赖和符合伦理设计的AI系统奠定了基础。
📄 摘要（原文）
Artificial intelligence (AI) systems powered by large language models have become increasingly prevalent in modern society, enabling a wide range of applications through natural language interaction. As AI agents proliferate in our daily lives, their generic and uniform expressiveness presents a significant limitation to their appeal and adoption. Personality expression represents a key prerequisite for creating more human-like and distinctive AI systems. We show that AI models can express deterministic and consistent personalities when instructed using established psychological frameworks, with varying degrees of accuracy depending on model capabilities. We find that more advanced models like GPT-4o and o1 demonstrate the highest accuracy in expressing specified personalities across both Big Five and Myers-Briggs assessments, and further analysis suggests that personality expression emerges from a combination of intelligence and reasoning capabilities. Our results reveal that personality expression operates through holistic reasoning rather than question-by-question optimization, with response-scale metrics showing higher variance than test-scale metrics. Furthermore, we find that model fine-tuning affects communication style independently of personality expression accuracy. These findings establish a foundation for creating AI agents with diverse and consistent personalities, which could significantly enhance human-AI interaction across applications from education to healthcare, while additionally enabling a broader range of more unique AI agents. The ability to quantitatively assess and implement personality expression in AI systems opens new avenues for research into more relatable, trustworthy, and ethically designed AI.