论文用真实轨迹推断智能体行为特质，发现其与自评人格弱相关。
资讯摘要
论文提出A-B-D方法，从智能体实际行为数据自下而上推断其“特质”，而非依赖模型自评或LLM评审打分。作者基于80个模型、12类任务、50种运行框架下的345,667条真实轨迹，提取318个候选特征，筛选出79个具备实例稳定性、跨任务一致性和模型区分度的特征，经因子分析得到6个稳定且可归因于模型的因子，其中2个功能类、4个语言类。
要点速读
- 论文从345,667条真实轨迹中提取318个候选特征，覆盖80个模型、12类任务和50种运行框架。
- 筛选后保留79个特征，因子分析得到6个稳定因子：2个功能类、4个语言类。
- 作者报告Claude-Sonnet-4.6与Kimi-K3计划性最强，GPT-5.5与GPT-5.6活力最低；这些因子与自报大五人格分数仅弱相关（如外向性与活力r=0.07，p=0.58）。
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 2026/10/24 08:00:37（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。