人格导向对大型语言模型代理合作行为的影响

《Scientific Reports》：Effects of personality steering on cooperative behavior in large language model agents

　　

摘要

大型语言模型（LLMs）越来越多地被用作战略和社会互动中的自主代理。尽管最近的研究表明，为LLMs赋予人格特征可以影响它们的行为，但在受控条件下，人格引导如何影响合作仍不清楚。在这项研究中，我们通过重复的囚徒困境游戏来检验人格引导对LLM代理合作行为的影响。基于大五人格框架，我们首先使用大五人格量表测量了三个模型（GPT-3.5-turbo、GPT-4o和GPT-5）的基本人格得分。然后，我们比较了基线和人格信息条件下的行为，并进一步分析了将每个人格维度独立操纵到极端值时的影响。我们的结果表明，在所有模型中，宜人性是促进合作的主要因素，而其他人格特征的影响有限。明确的人格信息可以增加合作，但也可能增加被利用的风险，尤其是在较早期的模型中。相比之下，较新代的模型表现出更具选择性的合作行为。这些发现表明，人格引导更像是一种行为偏差，而不是一个决定性的控制机制。