persona-conditioning

一项析因实验表明，角色细节并不会单调增加LLM观点多样性；不同的交互架构探索了互不重叠的观点区域；而温度缩放等低成本干预措施效果甚微。

本文介绍了一种基于人格驱动的重写流水线，通过将LLM微调条件化为低宜人性，以降低越狱敏感性和有害输出，同时保持对话温度，无需安全标签或改变训练目标。

提出PCSP，一种基于冻结LLM角色描述嵌入的单一强化学习策略，可在生活模拟游戏中实现可扩展、实时的角色可追溯NPC控制。实验表明，该方法实现了零样本角色识别和行为对齐，推理速度比LLM基线快。