arXiv cs.CL· Ruikang Zhang, Shuo Wang, Qi Su·· 10 小时前AI 评分31
从表征到行为：探索 LLM 中的人格-情境-行为三元组
From Representations to Behaviors: Exploring the Person-Situation-Behavior Triad in LLMs
AI 导读
研究借鉴 Funder 的人格三元组框架，用 SAE 分解在 LLM 中识别出与人格特质两极对应的稀疏内部特征，并通过特征级干预在多种情境下诱发双向特质偏移。将同样干预应用于社会智能任务后，模型行为出现与人类人格研究一致的利益权衡模式，为 LLM 内部存在可控的类特质表征提供了机制与行为层面的证据。
正文 · AI 翻译
摘要：人格理论认为，特质并非由单一分数所捕捉的孤立属性，而是通过人、情境与行为之间的相互作用表现出来的稳定个体倾向。现有关于 LLM 中人格相关行为的研究主要集中于在人格条件下诱导出的输出，刻画了可观察到的特质相关表达，但缺乏关于内部人格相关表征是否存在、其跨情境表达以及这些表征如何塑造具体行为的机制性证据。基于 Funder 的人格三元框架，我们将其三个组成部分适配于 LLM 分析：Person 即人格相关的内部表征，Situation 即提供特质相关反应的情境，Behavior 即更广泛社会任务上的反应模式。我们提出了一个用于发现、控制和验证 LLM 中类特质表征的框架。首先，利用基于共享情境的对比行为对，我们通过 SAE 分解识别出与人格特质对立两极相关的稀疏内部特征。我们通过其对情境行为的影响、token 级激活模式以及对改写的鲁棒性来验证其特质相关性。其次，特征级干预在另一组独立且多样的情境中诱导出双向的特质相关变化，同时保持反应有效性，证明了跨情境的一致表达。第三，将相同的干预应用于社会智能任务，揭示出与人类人格研究发现一致的利益—权衡模式的行为变化，提供了超越人格分数的行为级验证。我们的发现提供了证据，表明 LLM 包含连接内部状态、情境表达和行为结果的可控类特质表征。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2607.26853 [cs.CL] |
| （或 arXiv:2607.26853v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.26853 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ruikang Zhang [查看邮箱]
[v1]
2026年7月29日星期三 12:36:47 UTC（325 KB）
[v2]
2026年11月4日星期三 08:12:21 UTC（327 KB）
来源：arXiv cs.CL · arxiv.org