SPeCtrum: A Grounded Framework for Multidimensional Identity Representation in LLM-Based Agent

发表于 分类于 ， 本文字数： 3k 阅读时长 ≈ 5 分钟

SPeCtrum: A Grounded Framework for Multidimensional Identity Representation in LLM-Based Agent

论文概览

本文假设整合社会身份（S）、个人身份（P）与个人生活情境（C）的多维框架能更真实地模拟人类身份，通过自动化评估（美剧角色）和人类评估（真实个体）验证框架有效性，发现自动化评估中C单独作用接近SPC组合，而人类评估中SPC组合表现最优，最终得出该框架可提升LLM智能体身份表征的真实性与准确性，助力个性化人机交互和社会模拟的结论。

核心问题

现有LLM智能体的身份模拟方法往往过度简化人类身份的复杂性，存在刻板印象问题，仅聚焦单一维度（如人口统计学特征或人格特质），未能体现社会属性、心理特质与生活情境的动态交互，导致身份表征不完整、不真实。

主要贡献

  1. 提出SPeCtrum框架，基于社会科学中的自我概念理论，整合S、P、C三维度，为LLM智能体提供结构化、真实的多维身份表征方案。
  2. 通过自动化评估（美剧角色）和人类评估（真实个体）双实验设计，系统验证了框架的有效性，揭示了不同维度在身份表征中的作用差异。
  3. 发现个人生活情境（C）是身份表征的核心基础，而S、P、C的整合对真实个体的身份模拟至关重要，为LLM智能体的身份构建提供了实证依据。

研究方法

  1. 框架构建：基于社会科学理论，S来自19项人口统计问卷，P来自BFI-2-S人格量表和PVQ价值观量表，C来自日常作息与偏好的开放式短文；知识注入过程中，S结构化整合，C直接嵌入，P通过Chain of Density技术转化为专业与日常双版本描述。
  2. 自动化评估：选取45个美剧角色构建数据集，采用“猜猜是谁”测试（角色识别）和TST测试（自我概念表征），通过GPT-4o、GPT-3.5 Turbo等4个LLM模型，评估7种维度组合（S、P、C、SP、SC、PC、SPC）的表现。
  3. 人类评估：招募80名美国参与者提供S、P、C数据，生成4种智能体（S、P、C、SPC），让参与者评估智能体生成的4类短文（自我介绍、未来愿景等）与自我认知的相似度。
  4. 反向推理验证：通过GPT-4o从C中推断S和P属性，对比真实数据，验证C对其他维度的信息涵盖程度。

各章节详解

1 引言

身份是涵盖社会、个人与情境属性的复杂多维概念，LLM的发展推动了人类行为模拟的应用，但现有方法存在刻板印象和简化问题。本文基于社会科学中的自我概念理论，提出SPeCtrum框架，整合社会身份（S）、个人身份（P）、个人生活情境（C）三维度，通过自动化和人类评估验证框架在身份表征中的有效性，最终实现更个性化的人机交互和更真实的社会模拟。

2 相关工作

现有LLM智能体身份构建框架多聚焦单一维度，如人口统计学特征、人格特质或价值观，导致身份表征存在偏见或不完整。社会心理学研究表明，自我概念源于社会属性、心理特质与生活体验的动态交互，而现有方法忽视了这种多维关联性。SPeCtrum框架突破单一维度局限，基于社会科学理论识别身份核心要素，构建系统的信息整合流程，实现更全面的身份表征。

3 SPeCtrum框架详解

3.1 核心维度定义与数据来源

  • 社会身份（S）：个体作为社会群体成员的先天与后天属性，如年龄、性别、教育、职业等，通过19项人口统计问卷收集。
  • 个人身份（P）：核心心理特质与价值观，采用30题BFI-2-S人格量表（测量外向性等五大人格）和21题PVQ价值观量表（测量享乐主义等十个维度）评估。
  • 个人生活情境（C）：身份在日常生活中的具体体现，通过两篇开放式短文收集——日常作息（工作日/周末）和个人偏好（5项喜爱/厌恶事物）。

3.2 知识注入过程

  • S维度：将结构化问卷数据整理为列表直接嵌入提示词。
  • C维度：保留开放式短文的原始表达，直接整合至提示词，保留语境细节。
  • P维度：先将量表1-7分李克特分数转化为自然语言描述，再通过Chain of Density技术生成专业（心理治疗师视角）和日常语言双版本总结，避免机械复述量表内容。

4 自动化评估（虚构角色）

4.1 实验设计

选取《老友记》《生活大爆炸》等6部美剧的45个核心角色，通过GPT-4o生成S、P、C数据并经人工验证，采用“猜猜是谁”测试（识别角色与剧集）和TST测试（生成10条公开自我/10条隐藏自我陈述），评估7种维度组合在4个LLM模型中的表现。

4.2 实验结果

  • “猜猜是谁”测试：各模型均呈现P < S < C的有效性层级（调整后p < .001），C单独作用与SPC组合无显著差异，SP组合表现弱于C。
  • TST测试：C维度仍为最优，显著优于S、P及SP组合（调整后p < .001），与SPC组合效果相当；P维度在隐藏自我陈述中表现优于S，对深层自我概念表征有一定作用。
  • 反向推理：从C中推断S的分类变量准确率达79%-97%（如性别95%、国籍89%），序数变量相关系数Spearman’sρ = 0.41 − 0.68；推断P的人格特质相关系数r = 0.686，价值观相关系数r = 0.71，验证C对S、P维度的信息涵盖能力。

5 人类评估（真实个体）

5.1 实验设计

80名美国参与者完成S、P、C数据收集，基于框架生成S、P、C、SPC四种智能体，让参与者评估智能体生成的4类短文（自我介绍、未来愿景、压力应对、幸福定义）与自我认知的相似度（0%-100%），并收集开放式反馈。

5.2 实验结果

  • 相似度评分：SPC组合（b = 5.13，p = .003）显著高于C单独作用，C维度显著优于S（t = 2.65，p = 0.04）和P（t = 4.04，p < .001），S与P无显著差异（p = 0.50）。
  • 反向推理：从C推断真实个体S的序数变量相关系数（如年龄Spearman’sρ = 0.37、教育0.19）显著低于虚构角色；推断P的价值观相关系数r = 0.362，远低于虚构角色的r = 0.71，表明C单独难以完整涵盖真实个体的复杂身份。

6 结论

SPeCtrum框架通过整合S、P、C三维度，为LLM智能体提供了结构化的多维身份表征方案。自动化评估表明，个人生活情境（C）是身份表征的核心基础，单独作用可接近完整组合；但人类评估显示，真实个体的身份复杂性更高，S、P、C的整合能显著提升身份表征的真实性与全面性。该框架为个性化人机交互和社会模拟提供了有效工具，未来可进一步拓展多源数据整合。

7 局限与未来方向

局限：样本仅包含美国参与者，语言为英语，缺乏文化多样性；评估方法存在局限（如“猜猜是谁”测试假设LLM模型具备相同的剧集知识）；依赖自我报告数据，可能受书写质量影响。未来方向：引入维度权重调整机制，拓展多语言/多文化场景；优化评估方法，整合非自我报告数据（如行为数据），提升框架的通用性与稳定性。

8 伦理考量

研究严格遵循伦理规范，人类评估经首尔国立大学伦理委员会批准，参与者签署知情同意书，明确研究目的、数据用途及退出权利。数据采用匿名化处理，仅授权研究人员访问，避免隐私泄露；明确反对框架用于 impersonation、欺骗或冒犯性内容创作。