Rasgos de Personalidad en Modelos de Lenguaje a Gran Escala

Resumen

El surgimiento de los modelos de lenguaje de gran escala (LLMs, por sus siglas en inglés) ha revolucionado el procesamiento del lenguaje natural, permitiendo la generación de texto coherente y contextualmente relevante. A medida que los LLMs impulsan cada vez más a los agentes conversacionales, la personalidad sintetizada incorporada en estos modelos, producto de su entrenamiento con grandes cantidades de datos generados por humanos, atrae atención. Dado que la personalidad es un factor importante que determina la efectividad de la comunicación, presentamos un método integral para administrar pruebas psicométricas validadas y cuantificar, analizar y moldear los rasgos de personalidad exhibidos en el texto generado por LLMs ampliamente utilizados. Encontramos que: 1) la personalidad simulada en las salidas de algunos LLMs (bajo configuraciones específicas de indicaciones) es confiable y válida; 2) la evidencia de confiabilidad y validez de la personalidad simulada por LLMs es más fuerte en modelos más grandes y ajustados mediante instrucciones; y 3) la personalidad en las salidas de los LLMs puede moldearse en dimensiones deseadas para imitar perfiles de personalidad específicos. También discutimos las aplicaciones potenciales y las implicaciones éticas de nuestro marco de medición y moldeamiento, especialmente en lo que respecta al uso responsable de los LLMs.

English

The advent of large language models (LLMs) has revolutionized natural language processing, enabling the generation of coherent and contextually relevant text. As LLMs increasingly power conversational agents, the synthesized personality embedded in these models by virtue of their training on large amounts of human-generated data draws attention. Since personality is an important factor determining the effectiveness of communication, we present a comprehensive method for administering validated psychometric tests and quantifying, analyzing, and shaping personality traits exhibited in text generated from widely-used LLMs. We find that: 1) personality simulated in the outputs of some LLMs (under specific prompting configurations) is reliable and valid; 2) evidence of reliability and validity of LLM-simulated personality is stronger for larger and instruction fine-tuned models; and 3) personality in LLM outputs can be shaped along desired dimensions to mimic specific personality profiles. We also discuss potential applications and ethical implications of our measurement and shaping framework, especially regarding responsible use of LLMs.

Rasgos de Personalidad en Modelos de Lenguaje a Gran Escala

Personality Traits in Large Language Models

Resumen

Support