Measuring Personality Consistency and Linguistic Alignment in Interacting Populations of LLM

本文是LLM系列文章，针对《LLM Agents in Interaction: Measuring Personality Consistency and
Linguistic Alignment in Interacting Populations of Large Language Models》的翻译。

摘要

虽然在大型语言模型（LLM）的研究中，代理交互和个性化都是充满活力的主题，但对语言交互对受角色制约的LLM代理行为的影响的关注有限。这样的努力对于确保代理人与他们指定的特征保持一致，同时能够进行公开的、自然主义的对话非常重要。在我们的实验中，我们通过提示对GPT-3.5进行人格特征调节，并使用简单的变异性诱导采样算法创建两组LLM代理。然后，我们进行性格测试，并将代理提交给合作写作任务，发现不同的个人资料表现出不同程度的性格一致性和与对话伙伴的语言一致性。我们的研究旨在为更好地理解LLM之间基于对话的互动奠定基础，并强调需要新的方法来为互动环境打造强大、更人性化的LLM人物角色。

1 引言

2 实验方法

3 结果

4 结论

人格制约LLM在互动中表现出一致的个性和语言使用吗？在这项研究中，我们使用外显和内隐人格评估&#x