- 自评、展示和认可：大型自然语言模型中的人格评价综述
本文对大型语言模型中的个性进行了综述和分类，主要涵盖自我评估、展示和认知等问题，并提供了详尽的分析和解决方案比较，总结了研究结果和挑战，并展望了未来的研究方向和应用场景。
- 使用自然语言处理测试网络聚类算法
在线社交网络的出现导致了关于在线社交群体及其与个体个性关系的丰富文献的发展。通过对广泛的社交互动进行推断，可以得到社交结构，这些互动形成了复杂的、有时是多层次的网络，对其中的高阶结构进行了社群检测算法的提取。然而，关于社群检测算法在与其分类 - LLM 人格特质测试套件：LLM 是否具有独特且一致的人格特质？
通过 TRAIT 工具，基于 Big Five Inventory (BFI) 和 Short Dark Triad (SD-3) 问卷以及 ATOMIC10X 知识图谱，对大型语言模型进行个性评估，发现 LLMs 具有独特而一致的个性，受 - ICML个性是否仅限于角色扮演？使用 ChatGPT 从简单描述中重构智能体的潜在个性
本文研究借助简单描述包含社会人口和个性类型信息，大型语言模型（LLMs）在重建人类认知中基本性格特征方面的能力。通过利用 HEXACO 人格框架，我们的研究探讨了 LLMs 在从简单描述中恢复和预测潜在人格维度的一致性。实验证明在人格重建方 - 通过移动电话传感器的人格特质推断：一种机器学习方法
通过手机传感器收集的活动数据可可靠地预测人的个性。使用从加速度计记录和运动模式计算出的指标，我们能够在两类问题上预测用户的个性，F1 得分最高可达 0.78。这些新颖的个性指标为社会科学的未来研究开辟了新的途径。我们的结果揭示了不同的行为模 - 对于会话代理和聊天机器人中的个性、角色和简介的调查
综述了神经会话代理（也称为聊天机器人）中的个性特征，包括定义了个性、角色和档案，解释了在会话代理中已经使用的所有个性方案，并列出了使用该方案的模型；描述了在最近的会话代理个性研究中开发的 21 个数据集；定义了在会话代理中体现个性的方法，并 - 通过机器学习识别人格风格：从患者言语中识别依恋型和内摄型人格风格
通过自然语言处理和机器学习工具，本研究使用语言特征自动推断患者的人格类型，并验证了基于语言特征的自动分类模型在个性分类中的优越性。
- EMNLP多级对比学习用于基于字母的字符理解
我们提出了一个多级对比学习框架来捕捉角色的全局信息，通过与强大的预训练语言模型进行比较，在角色理解的三个子任务中我们的方法显著提高了性能，并通过进一步深入分析展示了方法的有效性和对角色理解场景的指导意义。
- 评估个性对游戏通信中情感状态的影响
研究了个体差异在团队合作的虚拟现实游戏中表达感情倾向方面的影响，通过多重线性回归确定了个性变量和表达情感之间的合理相关性，为情感计算和游戏用户研究提供了有价值的信息。
- 虚拟人生成模型：掩码建模方法学习人类特征
该研究提出了一种深度生成模型，名为 Virtual Human Generative Model，可以通过机器学习方法来对医疗健康特征、生活方式和个性进行建模，并提供行动建议。
- 大型语言模型是否具有人格特质？：自我评估测试在衡量 LLMs 人格方面的适用性
该研究探讨了如何对大型语言模型进行人格测试，并提出了使用自我评估测试的不足之处，主要体现在测试结果不可靠，无法客观准确地测量机器的人格特点，原因是存在内在的偏见和不一致性。因此，需要开发更科学的方法来对大型语言模型的人格特点进行准确可靠的评 - 利用自然语言学习个性特征的神经网络
本研究使用神经网络和分布式算法来提取文本的隐藏性信息，研究人员从心理学文献定义的五大人格特征（Big Five）的形容词词典开始，并构造了包含文本语义信息的嵌入，证明了个人写作风格与其人格特征密切相关。
- EMNLP言论决定你的本质：引导评价性话题用于个性分析
研究表明，人类的行为和个性中表达对实体和概念的态度或立场是不可或缺的。本文提出了评估主题的概念，该主题通过将主题模型应用于社交媒体上的评估文本来获得。评估主题与个体文本作者联系起来，建立他们的评估资料。本文将评估配置文件应用于 Reddit - 基于转移学习和 Adapter 的无监督神经风格文本生成
本文提出一种迁移学习框架，通过更新模型参数的 0.3％来学习响应生成的特定风格属性，解决了在话务系统中保持一致的人物形象和风格的问题。研究表明，个性是改善会话系统参与度和用户体验的关键驱动因素。同时，本研究通过在 ROC 故事语料库中研究风 - 通过角色扩展来提高对话中的人格一致性
该论文提出了一种新的检索到预测范例来解决个性化聊天机器人中 OOP 问题，并通过采用实际人物进行后验转换来进一步缓解训练和推理之间的差距。并通过 IT-ConvAI2 和 ConvAI2 的广泛实验表明，我们提出的模型在自动指标和人类评估方 - 理解人们如何评价他们的对话
该研究旨在探讨用户评分在口语对话系统中的作用，特别关注用户的人格特质如宜人性和外向性对于交互评分的影响，并设计和验证了一个虚构故事，以此来调查和诱发这些人格特质。结果表明宜人性与交互评分有着显著的相关性，而选择听故事的用户相对来说更可能提供 - MPI：评估和诱导预训练语言模型的个性
这篇论文提出了 Machine Personality Inventory（MPI）数据集，该数据集以 Big Five Personality Factors 理论和人格评估清单为基础，旨在评估预先培训的语言模型的人格。通过 MPI 评估 - 利用传统与深度学习结合 Myers-Briggs 类型指标和文本发布风格辨别人格类型
本研究运用朴素贝叶斯、支持向量机和循环神经网络等机器学习技术，基于 Myers-Briggs 类型指标（MBTI）的文本预测人格，并应用 CRISP-DM 和敏捷方法来指导学习过程。
- 利用基于机器学习的模型进行个性识别
本文提出一种基于深度学习的方法，结合了卷积神经网络和 AdaBoost 算法对人格进行自动识别，并在 Essay 数据集上得到了比机器学习和深度学习方法更优的实验结果。
- ACL通过受人格影响的情绪转移自动选择回应情绪
本研究旨在为对话系统引入人格特质，通过模拟人类在对话中的情感转换来自动选择回应中的情感，使用 VAD 情感空间和神经网络模型来呈现情感二元组之间的转换，并验证了此方法的有效性。