大規模言語モデルにおける性格特性の評価と形成のための心理測定フレームワーク

科学分野:

• 人工知能
• 自然言語処理
• 心理測定

背景:

• 大規模言語モデル（LLM）は、トレーニングデータにより合成の性格特性を示します。
• これらの特性は、LLM搭載アプリケーションにおけるコミュニケーションの効果に影響を与えます。
• LLMの性格の評価と形成は、広範な一般利用にとって重要です。

研究 の 目的:

• LLMの性格を評価するための心理測定方法論を提示すること。
• LLM出力における性格測定を検証すること。
• 生成されたテキストでLLMの性格を形成する能力を有効にすること。

主な方法:

• 18のLLMに対する性格テストの実施と検証。
• 性格評価のための特定のプロンプ​​ト構成の利用。
• 望ましい次元に沿ってLLMの性格を形成する方法の開発。

主要な成果:

• LLM出力における性格測定は、特定の条件下で信頼性があり、妥当である可能性があります。
• より大きく、指示ファインチューニングされたモデルは、信頼性があり、妥当な合成性格の強力な証拠を示します。
• LLMの性格は、特定の人間プロファイルを模倣するようにうまく形成できます。

結論:

• LLMの性格評価と形成のための堅牢な心理測定方法論が確立されました。
• この調査結果は、LLMにおける合成性格の信頼性の高い測定と意図的な変更を支持します。
• LLMの性格に関する責任あるAI開発のための倫理的考慮事項について議論します。