extraversion
PulseAugur coverage of extraversion — every cluster mentioning extraversion across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
研究论文识别出人工智能辩论中的首位发言者偏见，并提出个性化缓解方法
一篇新研究论文探讨了顺序多主体辩论（MAD）系统中的“首位发言者偏见”，即初始代理人的意见不成比例地影响最终结果。研究表明，当更强的模型在序列中较晚发言时，这种偏见会抵消其推理优势。为了解决这个问题，研究人员研究了基于“大五”人格特质的“个性化提示”的使用，特别是宜人性（agreeableness）和外向性（extraversion）。他们发现，为更强的代理人分配较低的宜人性有助于恢复其影响力并提高准确性，而外向性主要影响代理人的冗长程度。
-
新框架在黑盒设置下审计LLM个性分类
研究人员开发了LEX-EC，一个用于在黑盒设置下审计大型语言模型（LLM）以从文本中分类个性特征的新框架。该框架结合了普遍性和一致性诊断以及受控的词汇消融，以区分一般分布效应和实际的特征相关信号。研究发现，不同的文本体裁会产生不同程度的个性特征证据，其中一些关联在掩盖主题内容后会减弱，而另一些则可以从功能词和情感词中检测到。
-
新方法使用OCEAN框架映射和控制LLM个性特征
研究人员开发了一种名为“Persona Cartography”的方法来衡量和控制大型语言模型（LLM）的个性特征。通过改编OCEAN框架（开放性、尽责性、外向性、宜人性、神经质），他们可以训练低秩适配器来放大或抑制40亿到320亿参数模型中的特定特征。这些适配器在模型规模扩展时对特征表现出很大程度上单调的影响，并且可以累加组合，影响诸如沮丧和谄媚等与安全相关的行为。该方法还包括一个无监督流程，用于发现人类心理测量学未预定义的、可解释的行为因素。
-
新工具测试 MCP 服务器，发现模式描述对客户端至关重要
一款名为 mcp-probe 的新命令行工具已发布，用于测试 Model Context Protocol (MCP) 服务器。该工具会自动调用这些服务器上的各种函数和提示，并根据声明的模式验证其响应。初步测试显示，大多数失败是由于测试客户端本身的错误造成的，其中一个重要发现与服务器模式中缺少描述字段有关。