一篇新发表在arXiv上的研究探讨了大型语言模型驱动的对话代理的个性如何在目标导向任务中影响用户感知。研究人员发现，中等程度的个性表达，而非低或高程度的个性表达，在信任度和好感度等各种指标上带来了最积极的用户评价。此外，将代理的个性与用户的偏好对齐，显著增强了这些积极成果，其中外向性和情绪稳定性等特定特质被证明最具影响力。 AI
影响 优化LLM代理的个性和对齐可以改善用户体验和在目标导向应用中的采用。
排序理由 关于LLM驱动的对话代理的个性和用户感知的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2509.09870v2 Announce Type: replace-cross Abstract: Large language models (LLMs) enable conversational agents (CAs) to express distinctive personalities, raising new questions about how such designs shape user perceptions. This study investigates how personality expression …