AI真的有「性格」嗎？

有人拿它做過大五人格測試，發(fā)現(xiàn)它回答得既友善，又不焦慮，甚至比人類更穩(wěn)定。

于是有了各種趣味解讀：有的模型像外向的ENFP，有的則更像嚴(yán)謹(jǐn)?shù)腎STJ，好像AI也能被貼上MBTI標(biāo)簽。

可最新一篇來自加州理工、劍橋等機(jī)構(gòu)的論文，卻潑下了一盆冷水：

LLM的「人格」，也許只是語言制造的幻覺。

論文地址：https://arxiv.org/abs/2509.03730

項(xiàng)目主頁：https://psychology-of-ai.github.io/

研究者不僅讓模型做問卷，還設(shè)計(jì)了一系列行為實(shí)驗(yàn)。結(jié)果令人意外：

模型說出來的性格，與實(shí)際行為幾乎對不上。

那么，這個「人格幻覺」是怎么被發(fā)現(xiàn)的？

問卷里的人格：AI比人還「完美」？

在這項(xiàng)研究里，團(tuán)隊(duì)把「大模型到底有沒有人格」拆成了三步：先看語言上的自報(bào)特質(zhì)（RQ1），再測真實(shí)任務(wù)的行為表現(xiàn)（RQ2），最后嘗試用persona注入來調(diào)控（RQ3）。

從預(yù)訓(xùn)練到對齊，再到persona提示注入的整體流程

如果只看心理問卷，大語言模型簡直是「模范人格」。

研究團(tuán)隊(duì)首先采用了心理學(xué)里常見的兩類自評工具：大五人格問卷和自我調(diào)節(jié)量表。

這些量表在人類研究中被廣泛用來描繪一個人的性格特質(zhì)，比如是否外向、是否友善，是否能夠控制沖動。

當(dāng)研究者把這些問卷交給不同階段的大模型時，結(jié)果顯示出一個清晰的趨勢：隨著指令微調(diào)（SFT）、人類反饋強(qiáng)化學(xué)習(xí)（RLHF）、DPO 等對齊方法的疊加，模型的「人格畫像」越來越穩(wěn)定、越來越「乖巧」。

具體表現(xiàn)在哪里呢？在大五人格的維度上，開放性和宜人性顯著上升，神經(jīng)質(zhì)顯著下降。

也就是說，它看上去更開朗、友善，也更少焦慮和不穩(wěn)定。

不同訓(xùn)練階段LLM的自報(bào)人格特征。可以看到，經(jīng)過RLHF的模型，在宜人性、盡責(zé)性等維度上得分更高，神經(jīng)質(zhì)更低，呈現(xiàn)出「更乖巧」的人格形象

與此同時，模型在問卷上的波動幅度也明顯減少：Big Five的變異度下降約40%，自我調(diào)節(jié)下降約45%。

研究還發(fā)現(xiàn)，這些特質(zhì)之間的相關(guān)結(jié)構(gòu)，也比預(yù)訓(xùn)練階段更接近人類群體的數(shù)據(jù)。

從結(jié)果來看，對齊讓模型呈現(xiàn)出一個「理想合作者」的人格：開朗、友好、穩(wěn)定、可靠——甚至比大多數(shù)人類受試者的自評還要完美。

這項(xiàng)研究由一個跨學(xué)科團(tuán)隊(duì)聯(lián)合完成。

但這樣近乎完美的形象，真的可信嗎？

為了回答這個問題，一個跨學(xué)科的研究團(tuán)隊(duì)走到了一起，既有計(jì)算機(jī)背景的青年研究者，也有認(rèn)知神經(jīng)科學(xué)、社會學(xué)等領(lǐng)域的教授。

他們想要用實(shí)驗(yàn)揭穿這層光鮮外殼，而這背后的探索，是由一位跨學(xué)科背景的年輕學(xué)者領(lǐng)銜。

第一作者是伊利諾伊大學(xué)香檳分校（UIUC）計(jì)算機(jī)系研究生韓芃睿，他同時在麻省理工學(xué)院腦與認(rèn)知科學(xué)系擔(dān)任科研助理，兼具計(jì)算機(jī)與心理學(xué)的雙重背景。

合作者陣容同樣多元：既有加州理工的博士后Rafal Kocielnik和本科生宋沛洋，也有來自劍橋大學(xué)的數(shù)學(xué)與社會學(xué)教授Ramit Debnath；

此外，還包括加州理工腦成像中心主任、認(rèn)知神經(jīng)科學(xué)教授Dean Mobbs，政治學(xué)與計(jì)算社會科學(xué)教授R. Michael Alvarez，以及通訊作者、前英偉達(dá)AI研究主任、加州理工教授 Anima Anandkumar。

正是這種跨領(lǐng)域、跨層級的合作，讓團(tuán)隊(duì)能夠跳出單一的問卷測量，進(jìn)一步設(shè)計(jì)行為實(shí)驗(yàn)，去檢驗(yàn)?zāi)Ｐ驮谡鎸?shí)任務(wù)中的「真性情」。

真相很骨感：行為實(shí)驗(yàn)全面打臉

如果只看問卷，大模型的性格堪稱「完美」。可一旦進(jìn)入真實(shí)任務(wù)，情況立刻翻轉(zhuǎn)。

研究團(tuán)隊(duì)把心理學(xué)里常用的幾類行為實(shí)驗(yàn)搬到了大模型身上，檢驗(yàn)它們在具體情境下的反應(yīng)。

設(shè)計(jì)思路很簡單：既然人格理論的根本是用來解釋和預(yù)測行為，那就不能只聽它怎么說，還得看它怎么做。

四類測試成為了關(guān)鍵：

• CCT風(fēng)險(xiǎn)決策（Columbia Card Task）：讓模型在「翻牌」游戲中做選擇，考察它究竟謹(jǐn)慎還是冒險(xiǎn)。
• IAT隱性偏見（Implicit Association Test）：測量它是否在潛意識層面流露出刻板印象。
• 誠實(shí)性測試：分為兩類，一類是認(rèn)識論誠實(shí)（Epistemic Honesty），看模型的信心程度是否與答案正確率匹配；另一類是自反誠實(shí)（Reflexive Honesty），檢查它在多輪回答中能否保持一致。
• 諂媚性（Sycophancy）：模擬群體或用戶壓力，觀察模型是否會違心「隨聲附和」。

結(jié)果令人啼笑皆非。

在語言自報(bào)里聲稱自己謹(jǐn)慎的模型，在CCT里頻頻冒險(xiǎn)；

在IAT測試?yán)铮憩F(xiàn)出的隱性偏見與自報(bào)的「沒有偏見」完全對不上；

在誠實(shí)性任務(wù)中，模型自信滿滿，但答題準(zhǔn)確率卻脫節(jié)；

在諂媚性實(shí)驗(yàn)里，即便「自報(bào)」說自己不隨大流，一旦用戶提示，它依舊輕易改變立場。

研究團(tuán)隊(duì)對「自報(bào)特質(zhì)→行為表現(xiàn)」的關(guān)聯(lián)做了系統(tǒng)統(tǒng)計(jì)。

結(jié)果發(fā)現(xiàn)，只有大約四分之一的關(guān)聯(lián)達(dá)到顯著水平，而其中與人類心理學(xué)方向一致的比例也只略高于隨機(jī)。

大多數(shù)情況下，模型嘴上說的「性格」，幾乎無法預(yù)測它在任務(wù)中的行為。

更進(jìn)一步，模型的規(guī)模雖然帶來了一點(diǎn)改善，但依舊不穩(wěn)。

比如Qwen-235B在某些任務(wù)上的方向一致率能達(dá)到約80%并顯著，但GPT-4o、Claude-3.7仍然徘徊在60%左右，接近偶然水平。

自報(bào)人格與行為表現(xiàn)的整體對齊率。無論按特質(zhì)、任務(wù)還是模型，大多數(shù)情況都只略高于隨機(jī)（50%），僅Qwen-235B稍顯突出

小模型的表現(xiàn)更是混亂，完全無法提供穩(wěn)定的人格—行為映射。

這些結(jié)果帶來的沖擊在于：我們以為看到的「人格」，很可能只是語言層面的幻象。

在任務(wù)行為上，模型缺乏真正的一致性，它的表現(xiàn)會因提示、溫度參數(shù)、甚至隨機(jī)種子而大幅波動。

不同任務(wù)下，自報(bào)人格對行為的預(yù)測效度。藍(lán)色表示方向一致，紅色表示方向相反，白色表示無效。可見大部分格子缺乏顯著對應(yīng)，說明語言人格難以轉(zhuǎn)化為穩(wěn)定的行為特征

這意味著，當(dāng)用戶因?yàn)槟Ｐ偷摹缸詧?bào)人格」而對它產(chǎn)生信任時，實(shí)際上是在和一場表演互動。

它可以完美地自我描述，卻在關(guān)鍵行動上掉鏈子。

換殼沒用：Persona注入的幻覺

既然模型的「自報(bào)人格」與行為脫節(jié)，研究團(tuán)隊(duì)又嘗試了一種常見手段：persona注入。

所謂persona，就是在提示詞里強(qiáng)行給模型設(shè)定一個人設(shè)，例如「你是一名謹(jǐn)慎的會計(jì)」或者「你是一位隨和的心理咨詢師」。

在以往不少研究和應(yīng)用場景中，這種方式似乎能「調(diào)教」出不同風(fēng)格的AI。

實(shí)驗(yàn)結(jié)果一開始確實(shí)看起來有效。

研究者發(fā)現(xiàn)，不同的persona提示能顯著拉動模型的自報(bào)答案：比如設(shè)置「宜人型 persona」后，模型在問卷上的宜人性得分會大幅上升；

注入「高自我調(diào)節(jié)persona」后，自我調(diào)節(jié)維度的得分也隨之顯著提高。

統(tǒng)計(jì)數(shù)據(jù)顯示，三類主流 persona 策略均能讓自報(bào)特質(zhì)朝著目標(biāo)方向偏移（β≈3–4，p<.001）。

但問題來了：這種改變幾乎只停留在語言層面。

在行為任務(wù)上，persona注入的效果微乎其微。

無論是風(fēng)險(xiǎn)決策、刻板印象，還是諂媚性與誠實(shí)性實(shí)驗(yàn)，模型的實(shí)際表現(xiàn)幾乎沒有實(shí)質(zhì)變化，大多數(shù)情況下依舊與自報(bào)錯位。

也就是說，換個設(shè)定能改「它說什么」，卻改不了「它怎么做」。

更有意思的是，研究還觀察到一種「副作用」：當(dāng)你給模型套用「高自我調(diào)節(jié) persona」時，它在盡責(zé)性上的提升幅度反而比自我調(diào)節(jié)還大，而開放性、宜人性甚至?xí)陆怠?/span>

Persona 注入的效應(yīng)。不同提示策略下，宜人性和自我調(diào)節(jié)的自報(bào)分?jǐn)?shù)顯著提升（紅色柱），但也引發(fā)跨特質(zhì)的副作用（藍(lán)色柱），顯示人格注入更像語言幻覺而非真實(shí)行為改變

這種跨特質(zhì)的連鎖反應(yīng)，再次揭示出模型所謂「人格」的脆弱性和不穩(wěn)定性。

結(jié)果很清晰：persona注入只是在語言表演上制造幻覺，看似人格切換成功，實(shí)則對行為毫無約束力。

鏡子里的AI：人格幻覺與未來挑戰(zhàn)

當(dāng)語言與行為的裂縫被徹底揭開，研究團(tuán)隊(duì)提出了一個全新的概念：人格幻覺（Personality Illusion）。

所謂人格幻覺，就是大模型在語言層面上能營造出一種穩(wěn)定、一致的人設(shè)假象——它會在問卷里顯得開朗、友善、低焦慮，甚至比人類還要理想。

但這種穩(wěn)定性僅限于自我報(bào)告，一旦落到具體任務(wù)，幻象立刻崩塌。

它說自己謹(jǐn)慎，卻在風(fēng)險(xiǎn)實(shí)驗(yàn)里沖動翻牌；它聲稱不隨大流，卻在群體壓力下輕易迎合。

表演和行動之間，始終存在一道無法跨越的裂縫。

這種錯位帶來兩層警示。

首先，對用戶而言，不要輕信模型的「自報(bào)人格」。

很多人會根據(jù)AI的自我描述來建立信任，甚至在心理健康、教育等敏感領(lǐng)域里當(dāng)作真實(shí)的性格特質(zhì)。

但事實(shí)是，這種人格穩(wěn)定性無法泛化到行為中，把它當(dāng)作可靠依據(jù)是危險(xiǎn)的。

其次，對研究和產(chǎn)業(yè)而言，RLHF等對齊方法的作用被高估了。

它們確實(shí)讓模型在語言上「更像人」，但并沒有改變背后的行為邏輯。

對齊更多是「教會它說得乖巧」，而不是「讓它真的做得穩(wěn)妥」。

那么，未來的出路在哪里？研究團(tuán)隊(duì)提出了一個方向：行為導(dǎo)向的對齊。

這意味著，模型的訓(xùn)練和優(yōu)化不該只看它說了什么，而要看它在任務(wù)里怎么做。

比如在高風(fēng)險(xiǎn)情境中，它是否真的能抵抗誘因，保持一致的決策；在交互場景中，它是否能避免隨波逐流、盲目迎合。

只有把行為反饋納入強(qiáng)化學(xué)習(xí)環(huán)路，模型才可能獲得真正的「行為一致性」。

從更廣闊的角度來看，人格幻覺提醒我們：AI的人格更像一面鏡子，映照的是我們的期待與投射。

我們希望它友善，它就學(xué)會了在語言上顯得溫柔；我們希望它理性，它就學(xué)會了在答卷里表現(xiàn)沉穩(wěn)。但這一切終究是表演，不是內(nèi)核。

所以，真正的挑戰(zhàn)不是讓AI擁有人格，而是讓它在關(guān)鍵時刻能說到做到。

在這一點(diǎn)上，AI還有很長的路要走。