明确声明人格不知情后，模型回答仍受自身知识影响。
资讯摘要
论文研究人格化用户模拟中的知识泄漏问题：当要求模型扮演一无所知的受访者时，其回答是否仍受模型自身知识影响。作者用真实条目与表面形式匹配的虚构孪生条目配对，在三个知识处理分支和两个模型家族的五个 API 端点上做评分实验。结果显示，即使明确声明人格从未听说过该条目，真实条目与孪生条目之间仍存在评分差异；负面条目的差异在不同领域组间方向相反，合并后接近零。
要点速读
- 论文定义“知识泄漏”：真实用户不可能拥有的知识进入模拟回答而产生的回答偏差，并提出定量测量方法。
- 实验覆盖三个知识处理分支、两个模型家族的五个 API 端点；在明确声明人格不知情的条件下，有利条目仍出现真实条目与孪生条目的评分分离。
- 不利条目对比在不同领域组间符号相反：合并估计为 +0.077 [-0.057, +0.204]，涉及危害的评分尺度为 -0.359，涉及公司或组织时为 +0.438。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。