跳到主要内容
返回时间线
arXiv来源发表:

FPSRG把人格配置变成可检索目录:五维向量加提示词,25–75目标区覆盖98.7%

核心概要

FPSRG把异质用户模拟从“每个画像训一个适配器”改成“共享第一人称后训练加少量可检索方向”。模型冻结后,它测量各方向系数组合的完整多维得分并存入目录,按目标分数检索配置。在五维非思考实例中,五级向量目录在25–75目标区覆盖92.2%的固定目标,叠加提示词目录后升至98.7%。

Source-provided article image: FPSRG: Heterogeneous User Simulation First-Person Post-Training and Multidimensional Semantic Response Grids
arXiv

深度剖析

异质用户模拟不再需要为每个画像单独训练一个模型,而是让所有画像共享同一个经过第一人称后训练的模型,用少量学习到的方向向量区分属性。 此前用提示词描述高低倾向时,“非常”“中等”“轻微”这类程度仍需分数校准,而为每个画像训练一个LoRA会随组合数增加带来重复优化与存储。 在匹配数据、层与范数的条件下,细化把五轴复合控制的平均跨度从30.75提高到40.45,五个维度全部改善。

做法是先让模型以参与者身份判断和作答,再在冻结模型上测量方向系数组合的完整得分向量,把结果存成可按目标分数检索的目录。 方向系数与人格得分处在不同坐标系,抬高外向性系数可能同时改变宜人性,因此检索依据的是实测的完整响应,而不是把系数当作对应特质分数。 五维实例使用Qwen3.5-27B,共享LoRA在1,000条参与者视角样本上训练一轮后冻结,五个方向共给出3,125种配置,经四部分过滤后保留1,854个节点。

目录密度和提示词可以互补地扩大可达区域,而不需要重新训练方向。 在固定系数范围下,三、五、九级目录的覆盖分别为71.2%、92.2%和94.6%,说明更密的测量带来精度收益。 五级向量加五级提示词共6,250种配置,在25–75目标区的宽覆盖达到98.7%,超过16,807种七级向量单独使用的96.5%。

启示与展望

结果描述的是固定评估协议下实测的可达区域:五维与十维非思考实例基于Qwen3.5-27B,六维思考实例基于Huihui Qwen3.8-27B-abliterated,覆盖率与检索误差都绑定各自的题目、编码、采样与注入设置。中文PersonalityBench的外部检验只用于观察高、低配置在自由回答中的方向差异,不与原排行榜比较。

作者说明这些分数是模型在指定任务下的响应坐标,不用于真实个体诊断;生成的理由未必忠实反映内部计算。更换模型、题目或评分规则需要重新校准或独立核验,思考与非思考模式使用各自独立的目录。