Personality Latents：用本人写作条件化冻结语言模型

论文用个人写作学潜在向量，条件化冻结模型表达人格。

资讯摘要

论文提出 Personality Latents（PL），从每个人自己的写作中学习一个潜在表示，无需人格标签或作者撰写的档案，并将其作为软前缀注入冻结的语言模型。训练时通过冻结模型优化每个人的自由潜在向量，同时训练编码器预测这些潜在向量，使新人物只需一次前向传播，并可在测试时可选精炼。在留出人物上，用真实人类写作训练的评分器从模型回答中读取人格；在 MBTI 各轴上 PL 的 AUC 领先于相同设置下的人格嵌入和提示基线，且三种不同嵌入空间评分时排名保持一致。用 Qwen2.5-3B-Instruct 学到的潜在向量还能仅通过新适配器将人格迁移到 Llama-3.1-8B-Instruct。

要点速读

1. PL 从个人写作学习潜在表示，无需人格标签或作者档案，作为软前缀注入冻结语言模型。
2. 在留出人物上，MBTI 各轴 AUC 领先人格嵌入与提示基线，三种嵌入空间评分下排名一致。
3. Qwen2.5-3B-Instruct 学到的潜在向量可经新适配器迁移至 Llama-3.1-8B-Instruct。

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 2026/10/29 08:00:21（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。