本研究提出了一种新框架，通过分析Reddit的长篇日记条目生成个性化对话，克服了现有模型对静态人格的依赖。研究表明，基于大五人格特质的对话生成在个性捕捉上提高了11%，显著优于传统方法。

本文研究了大型语言模型（LLMs）的人格特质，探讨了如何通过自然语言处理和心理测量测试来评估和塑造这些特质。研究发现，LLMs展现出与人类相似的个性特征，并提出了基于专家混合的个性化模型P-tailor，以提高人格特征建模的效率。

最新研究发现，喜欢黑色幽默的人往往具有虐待狂、马基雅维利主义和精神病态等黑暗性格特征。研究结果表明，黑暗四联体人格特质较强的人更擅长网络恶搞，喜欢黑色幽默和能力与喜欢恶搞和恶搞能力有关。这项研究揭示了黑色幽默和网络恶搞的性格基础。

本文探讨了大型语言模型（LLMs）在个性化对话生成中的应用，分析其人格特质的可靠性与有效性。研究表明，LLMs在教育和医疗等领域的对话代理中具有潜力，强调了维护特质一致性和伦理考量的重要性。

本文探讨了大型语言模型（LLMs）在博弈论框架下的协商能力及其人格特质表现。研究发现，模型的开放性、责任心和神经质与公平倾向相关，而低责任心与高毒性相关。个性化训练使模型在协作任务中展现出不同的人格一致性。研究提出了一种创新框架，通过角色扮演和问卷预测个性特质，验证了模型的有效性，并提供了相关工具和数据集。

本文探讨了一种通过个性化词典调整大型语言模型（LLMs）个性特质的方法，研究表明个性化提示显著影响模型的推理能力，并提出了“人格对齐”概念，以促进人工智能与人类用户的有效协作。

本文研究了大型语言模型（LLMs）在模拟人格特质方面的能力，发现其对个性测试的反应与人类存在系统偏差，影响评估结果。同时探讨了LLMs在社会科学中的应用及其潜在的伦理影响，强调需谨慎使用心理测量工具以确保有效性。

本文研究了ChatGPT在文化背景和人格特质推测方面的表现，发现其对美国文化的响应较强，但对其他文化适应性差。研究强调了人工智能在多样性和文化意识方面的必要性，并探讨了其在高等教育中的潜在偏见及伦理问题。

本文探讨了大型语言模型（LLMs）输出中的人格特质的可靠性与有效性，分析了个性化对话生成的优势及其在情感识别中的应用。研究发现，LLMs在不同情境下表现出显著的个性差异，并提出通过调整模型回答来塑造个性特征的新方法，强调个性化对提升模型性能的重要性。

该研究探索了AI性格的概念，发现大型语言模型（LLMs）呈现出与人类个性类似的模式。通过心理测量测试和角色扮演提示，揭示了LLMs在不同个性类型之间动态切换的能力。使用项目性测试，发现LLMs的隐藏个性特征。该研究开创了在LLMs上应用项目性测试的先例，揭示了它们多样而适应性的AI性格特征。

本文研究了语言模型如何生成表现人格特质，以及这些特质是否可控。研究提供了基于“大五人格模型”的人品数据集和Reddit上的人格数据集。