人格引导的LLM智能体用于任务型对话

回应可观察行为比依据人格标签做适配更稳健。

资讯摘要

论文研究任务型对话中LLM能否在完成目标的同时表达人格特质，以及适应用户人格是否有益。作者提出免训练框架，让带人格条件的用户智能体与系统智能体在Neutral、Try、Oracle三种条件下交互，覆盖GPT-4o、Qwen3-Next-80B、Gemini 2.0 Flash、两个Schema-Guided Dialogue领域和十个大五人格极，共9000段对话，由两个独立LLM评审打分。作者报告任务完成率89.94%、成功率85.27%，但内向与封闭特质主要表现为行为缺失，难以被检测。

要点速读

1. 论文提出免训练框架，用户智能体在Neutral、Try、Oracle三种条件下与系统智能体交互。
2. 作者报告9000段对话中任务完成率89.94%、成功率85.27%，内向和封闭特质很少被检测到。
3. 两种自适应条件都提升成对用户满意度但降低真实性，仅Try还提升约束满足与inform率；175对人工研究支持LLM评审可靠性。

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 2026/10/27 08:00:28（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。