論文の概要: A Systematic Analysis of the Impact of Persona Steering on LLM Capabilities

• arxiv url: http://arxiv.org/abs/2604.11048v1
• Date: Mon, 13 Apr 2026 06:24:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.362826
• Title: A Systematic Analysis of the Impact of Persona Steering on LLM Capabilities
• Title（参考訳）: LLM能力に及ぼすペルソナステアリングの影響の系統解析
• Authors: Jiaqi Chen, Ming Wang, Tingna Xie, Shi Feng, Yongkang Liu,
• Abstract要約: 我々は、大言語モデル(LLM)におけるビッグファイブの性格特性を誘導するために、ニューロトンに基づくパーソナリティ・トレイト・インジェクション(NPTI)フレームワークを用いる。 以上の結果から,ペルソナ誘導は,表面レベルのスタイリスティックな変化を超越した,安定した再現可能な認知タスク性能の変化をもたらすことが明らかとなった。 本稿では,動的ペルソナルーティング(DPR)を提案する。
• 参考スコア（独自算出の注目度）: 21.949978634889302
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imbuing Large Language Models (LLMs) with specific personas is prevalent for tailoring interaction styles, yet the impact on underlying cognitive capabilities remains unexplored. We employ the Neuron-based Personality Trait Induction (NPTI) framework to induce Big Five personality traits in LLMs and evaluate performance across six cognitive benchmarks. Our findings reveal that persona induction produces stable, reproducible shifts in cognitive task performance beyond surface-level stylistic changes. These effects exhibit strong task dependence: certain personalities yield consistent gains on instruction-following, while others impair complex reasoning. Effect magnitude varies systematically by trait dimension, with Openness and Extraversion exerting the most robust influence. Furthermore, LLM effects show 73.68% directional consistency with human personality-cognition relationships. Capitalizing on these regularities, we propose Dynamic Persona Routing (DPR), a lightweight query-adaptive strategy that outperforms the best static persona without additional training.
• Abstract（参考訳）: 特定のペルソナを持つ大規模言語モデル(LLM)を入力することは、インタラクションスタイルの調整には一般的なことですが、基礎となる認知能力への影響は未解明のままです。 ニューロトンをベースとしたパーソナリティ・トレイト・インジェクション(NPTI)フレームワークを用いて,LLMにおけるビッグファイブ・パーソナリティ特性を誘導し,6つの認知的ベンチマークで性能を評価する。 以上の結果から,ペルソナ誘導は,表面レベルのスタイリスティックな変化を超越した,安定した再現可能な認知タスク性能の変化をもたらすことが明らかとなった。 これらの効果は強いタスク依存を示し、ある個人性は命令追従に一貫した利得をもたらすが、他の人は複雑な推論を損なう。 効果の大きさは特性次元によって体系的に変化し、開放性と外転が最も強い影響を及ぼす。 さらに、LSM効果は73.68%の方向整合性を示す。 このような正規性を活かした動的ペルソナルーティング(Dynamic Persona Routing, DPR)を提案する。

関連論文リスト

• PERSONA: Dynamic and Compositional Inference-Time Personality Control via Activation Vector Algebra [84.59328460968872]
  大規模言語モデルにおけるパーソナリティ制御の現在の手法は、静的なプロンプトや高価な微調整に依存している。 ペルソナ(PERSONA)は、人格ベクトルを直接操作することで、微調整レベルのパフォーマンスを実現する訓練不要のフレームワークである。 PersonalityBenchでは、この手法は平均スコア9.60を達成し、教師付き微調整上界9.61とほぼ一致している。
  論文  参考訳（メタデータ） (2026-02-17T15:47:58Z)
• Psychological Steering in LLMs: An Evaluation of Effectiveness and Trustworthiness [14.523351279184356]
  本研究は, プロンプト, 微調整, 表現工学など, 様々な操舵戦略と組み合わせたLLMファミリーの4つのモデルにまたがる。 また, ベクトル注入は出力品質をわずかに低下させつつ, より細かい制御性を実現するのに対し, プロンプトは一貫して有効であるが, 強度制御に制限があることを示す。 本フレームワークは,感情と人格のステアリングを総合的に評価し,社会的対話型アプリケーションにおけるその解釈可能性と信頼性に関する洞察を提供する。
  論文  参考訳（メタデータ） (2025-10-06T04:49:56Z)
• Vibe Check: Understanding the Effects of LLM-Based Conversational Agents' Personality and Alignment on User Perceptions in Goal-Oriented Tasks [2.1117030125341385]
  大きな言語モデル(LLM)は、会話エージェント(CA)が特有の個性を表現することを可能にする。 本研究では、目標指向タスクにおける人格表現レベルとユーザエージェントの人格アライメントが知覚に与える影響について検討する。
  論文  参考訳（メタデータ） (2025-09-11T21:43:49Z)
• The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
  人格特性は、人間の行動の予測因子として長い間研究されてきた。 近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-03T21:27:10Z)
• A Comparative Study of Large Language Models and Human Personality Traits [6.354326674890978]
  言語モデル(LLM)は、言語理解と生成において人間のような能力を示す。 本研究では, LLMが人格的特徴を示すか, これらの特徴が人格とどのように比較されるかを検討する。
  論文  参考訳（メタデータ） (2025-05-01T15:10:15Z)
• Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models [70.180385882195]
  本稿では,対話型レコメンダシステム(CRS)のためのパーソナリティを考慮したユーザシミュレーションを提案する。 ユーザエージェントはカスタマイズ可能な性格特性と嗜好を誘導し、システムエージェントはCRS内の現実的な相互作用をシミュレートする説得能力を有する。 実験により,現在最先端のLCMは,特定の性格特性に適合した多様なユーザ応答を効果的に生成できることが示された。
  論文  参考訳（メタデータ） (2025-04-09T13:21:17Z)
• Neuron-based Personality Trait Induction in Large Language Models [115.08894603023712]
  大規模言語モデル (LLM) は、様々な性格特性をシミュレートする能力が増している。 LLMにおけるパーソナリティ特性誘導のためのニューロンに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-16T07:47:45Z)
• Revisiting the Reliability of Psychological Scales on Large Language Models [62.57981196992073]
  本研究の目的は,大規模言語モデルにパーソナリティアセスメントを適用することの信頼性を明らかにすることである。 GPT-3.5、GPT-4、Gemini-Pro、LLaMA-3.1などのモデル毎の2,500設定の分析により、様々なLCMがビッグファイブインベントリに応答して一貫性を示すことが明らかになった。
  論文  参考訳（メタデータ） (2023-05-31T15:03:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。