English(EN) PACIFIC: Can LLMs Discern the Psychometric Traits Influencing Your Preferences? Personality-Driven Preference Alignment in LLMs

大型语言模型可推断用户人格特质以改善偏好对齐

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-14 04:00

研究人员开发了PACIFIC，一个利用稳定的人格特质来使大型语言模型（LLM）响应与用户偏好对齐的新框架。该方法使用大五（OCEAN）人格模型作为潜在信号，来组织和解释用户偏好历史，解决了嘈杂或误导性的偏好数据问题。实验表明，特质对齐的偏好显著增强了个性化问答，在上下文清晰时达到近乎完美的准确率。该框架还引入了PiRAG，一个感知人格的对比检索器，它提高了真实世界混合特质场景下的无标签准确率。 AI

影响通过更好地理解用户偏好并推断其人格，这项研究可能带来更个性化、更准确的大型语言模型交互。

排序理由该集群描述了一篇关于大型语言模型偏好对齐的新研究论文，其中详细介绍了一个新颖的框架和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 23 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇关于大型语言模型偏好对齐的新研究论文，其中详细介绍了一个新颖的框架和数据集。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Tianyu Zhao, Siqi Li, Yasser Shoukry, Salma Elmalaki · 2026-09-14 04:00

PACIFIC：大型语言模型能否辨别人格特质对偏好的影响？基于人格的偏好对齐研究

arXiv:2602.07181v4 Announce Type: replace Abstract: User preferences are increasingly used to personalize Large Language Model (LLM) responses, yet reliably leveraging preference signals remains under-explored. In practice, preferences can be noisy, incomplete, or even misleading…

本文如何被排名

报道来源 [1]

PACIFIC：大型语言模型能否辨别人格特质对偏好的影响？基于人格的偏好对齐研究

相关实体

相关话题