arXiv cs.CL· Yifan Lyu, Liang Zhang·· 11 小时前AI 评分22
ROME：用角色扮演 LLM 与问题条件 MoE 做人格检测
Ask, Answer, and Detect: Role-Playing LLMs for Personality Detection with Question-Conditioned Mixture-of-Experts
AI 导读
研究者提出 ROME 框架，用 LLM 角色扮演模拟用户回答标准化心理测量问卷，并以问题条件 Mixture-of-Experts 模块在显式监督下预测问卷答案，再聚合为可解释答案向量与用户表征融合完成人格检测。
正文 · AI 翻译
摘要：理解人类人格对于个性化推荐和心理健康评估具有重要意义。现有的人格检测方法通常将社交媒体帖子编码为用户表示，并预测人格标签。尽管大语言模型（LLM）取得了进展，但这些方法面临稀缺标签带来的监督有限，以及用户语言与心理构念之间映射不清晰的问题。我们提出 ROME，一个将心理学知识融入人格检测的框架。受标准化自评测验启发，ROME 利用 LLM 角色扮演来模拟用户对经过验证的心理测量问卷的作答。这些题目级答案提供了可解释的、以问卷为依据的证据和中间监督。一个以问题为条件的混合专家模块联合路由帖子表示和问题表示，在显式监督下预测问卷答案。预测答案被聚合为可解释的答案向量，并在多任务学习框架中与用户表示融合，用于最终的人格预测。在两个真实世界数据集上的实验表明，ROME 优于最先进的基线，在 Kaggle 上相对提升 13.60%，在 Pandora 上相对提升 19.72%。代码可在 此 https URL 获取。
| 评论： | 已被 NeurIPS 2026 接收（主会议，海报） |
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2512.08814 [cs.CL] |
| （或 arXiv:2512.08814v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2512.08814 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yifan Lyu [查看邮箱]
[v1]
2025年12月9日星期二 17:07:54 UTC（531 KB）
[v2]
2026年10月20日星期二 07:16:19 UTC（1,067 KB）
来源：arXiv cs.CL · arxiv.org