arXiv cs.AI· Isaac Song, Mohammed Rehan Parwani, Glenn Matlin, Emile Anand, Akhil Theerthala, Arjun Chatterjee, Anthony Wen-Ming Zang, Maria Kostylew, Yonadav G. Shavit, Sebastien Krier, Mark Riedl·· 4 小时前AI 评分31
语言模型角色引导用于社会模拟:CastVectors 与角色级筛选工作流
Role Steering of Language Models for Social Simulations
AI 导读
研究提出一套面向角色条件智能体的激活引导筛选流程:定义角色画像、提取角色特定方向、扫描四个引导系数并评估对齐度,在 OLMo-3-7B-Instruct 上对 275 个角色、228 个角色无关问题完成测试。
正文 · AI 翻译
作者:Isaac Song、Mohammed Rehan Parwani、Glenn Matlin、Emile Anand、Akhil Theerthala、Arjun Chatterjee、Anthony Wen-Ming Zang、Maria Kostylew、Yonadav G. Shavit、Sebastien Krier、Mark Riedl
摘要:由语言模型智能体构建的社会模拟需要具备角色条件的行为,并且这种行为在智能体被放入模拟群体之前就可以被检查。我们为角色条件智能体引入了一套激活引导筛选工作流:定义角色画像,提取角色特定方向,扫描四个引导系数,评估角色画像对齐度,并对每个候选配置进行通过或标记。在 OLMo-3-7B-Instruct 上,我们将该工作流应用于一个混合的 275 个角色清单,包含 228 个与角色无关的问题、由 GPT-4.1-mini 提示生成的角色参考,以及 GPT-4.1-mini 评判器。我们还引入了 CastVectors,其获得的评判角色画像对齐度高于先前角色向量工作中基于助手轴的方向控制,在测试网格上的平均总体得分为 63.2 对 41.1。它们还保持了较高的词汇多样性,而对照组在较大系数下急剧下降。角色级筛选是主要贡献:大多数角色随着引导增强而改善,但有 38 个角色在所有六个测量维度上均下降,这说明模拟构建者为何应按角色选择系数,而不是部署统一的高强度设置。我们的代码可在 this https URL 获取,角色向量和评估数据可在 this https URL 获取。
| 评论: | 34 页。发表于 Social Sim'26 Workshop,COLM 2026。代码:this https URL |
| 主题: | 计算与语言(cs.CL);人工智能(cs.AI) |
| ACM 分类: | I.2.7;I.2.11 |
| 引用为: | arXiv:2608.00023 [cs.CL] |
| (或本版本的 arXiv:2608.00023v3 [cs.CL]) | |
| https://doi.org/10.48550/arXiv.2608.00023 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Glenn Matlin [查看邮箱]
[v1]
2026 年 7 月 9 日星期四 22:07:27 UTC(529 KB)
[v2]
2026 年 8 月 6 日星期四 06:50:50 UTC(2,077 KB)
[v3]
2026 年 11 月 17 日星期二 04:15:01 UTC(2,083 KB)
来源:arXiv cs.AI · arxiv.org