ICLR 2025 558
当前的大语言模型（LLMs）在对齐时，通常旨在反映普遍的人类价值观与行为模式，但却常常无法捕捉到个体用户的独特特征与偏好。
为填补这一空白，本文提出了**“人格对齐（Personality Alignment）”的新概念。该方法旨在使LLM的回答和决策过程能够贴合具体用户或相关群体的个性化偏好**。
受心理测量学（psychometrics）启发，我们构建了PAPI 数据集（Personality Alignment with Personality Inventories），该数据集包含来自超过32万名真实用户的个性测试数据，涵盖了：
-
大五人格（Big Five Personality Factors）
-
“黑暗三性格”特质（Dark Triad Traits）
这一全面的数据集，使我们能够量化评估LLMs在正面人格维度与潜在问题人格维度上的对齐能力。
考虑到人格对齐面临的挑战（如个人数据有限、偏好多样、对可扩展性要求高），我们提出了一种名为**激活干预优化（activation intervention optimization）**的方法，能够在仅需极少数据与计算资源的条件下，有效提升LLMs对个体行为偏好的对齐能力。
我们的方法PAS在实验中展现出卓越性能，且所需优化时间仅为现有方法 DPO 的 1/5，在实用性与效率方面具有显著优势。
我们的研究为未来AI系统实现人格化决策与推理提供了全新路径，使AI交互更具相关性、个性化与人本价值。
数据集与代码已开源，地址为：https://github.com/zhu-minjun/PAlign。
