微调多智能体框架用于检测生活叙事中的OCEAN人格特质

研究者提出并评估了一个微调多智能体框架，用于从生活叙事文本中检测OCEAN人格特质。该框架由多个子智能体组成，每个子智能体通过掩码语言建模和心理测量监督条件化为高、低或中性角度解释文本。裁判LLM汇总并比较子智能体输出以生成最终预测，从而减少单模型偏差。实验基于生活叙事数据集，展示了可解释、可扩展的文本人格推断方法。

此前单模型推断人格存在一致性差和潜伏偏差问题，该框架通过多角度视角和心理测量监督，提供了更可靠、可解释的文本人格推断方法，为自动化人格分析技术带来实质性改进。

子智能体被条件化从不同极性角度（高、低、中性）分析同一文本，捕捉特质的不同表现层面；裁判LLM对比各子智能体输出，综合互补视角并抑制模型固有偏见，最终输出更一致的人格预测。

该框架可直接用于产品中的用户人格分析场景，如个性化推荐、心理健康评估或招聘筛选，但当前仅为学术研究阶段，未验证实际部署的成本、延迟和准确性。

• 基于人格分析的个性化内容推荐系统，根据用户叙事推断OCEAN特质并匹配内容。
• 招聘场景的文本人格初筛工具，从候选人自述中自动评估大五人格维度。
• 集成到心理咨询助手，辅助分析用户叙事中的人格特质以提供针对性建议。

• 该框架在不同语言和文化背景下的泛化能力如何？
• 裁判LLM的选择对最终结果影响多大？是否依赖特定模型？
• 实际应用中处理长文本的计算成本是否可接受？