Persona Cartography：在权重空间中绘制语言模型人格特质

基于摘要分析。本文研究大语言模型反复表现出的行为模式（persona）如何被分解、测量和控制，提出以 OCEAN 人格特质描述模型行为，并通过训练低秩适配器，在权重空间中增强、抑制和组合不同特质。研究对象是语言模型的行为控制与安全，而非脑信号解码或 BCI。 核心机制是为 Openness（开放性）、Conscientiousness（尽责性）、Extraversion（外向性）、Agreeableness（宜人性）和 Neuroticism（神经质）建立可调节的特质方向。评估包括经独立众包人类评分者校准的 LLM-judge、特质专用多项选择基准，以及标准能力评估。摘要未披露适配器训练数据、监督构造、具体损失、缩放范围及基准名称，相关实现细节尚未验证。 作者报告，在来自三个模型家族、规模为 4B–32B 的六个模型上，单个适配器随缩放幅度变化，使目标特质大体单调移动；多个适配器的效果近似可加，可用于构建混合 persona；在适度缩放下，模型保持能力基准表现。摘要未提供具体分数、对照基线或统计区间，因此尚不能量化控制精度与能力代价。 作者报告，这些特质方向还影响下游安全相关行为：沿神经质方向调整会改变模型在不可能完成的任务上的受挫表现，组合适配器则改变有害请求顺从与过度拒绝之间的权衡。这支持进一步核对人格测量与实际行为之间的联系，但不等于证明安全性全面改善。 此外，作者探索使用无监督心理测量流程，从合成模型交互轨迹中提取 tone、initiative、didacticism 和 epistemic caution 四个候选行为因子，其中三个在控制对话场景后仍然成立；摘要未说明是哪三个。复现需核对训练与评估划分、人类评分校准流程、场景控制方法、适配器组合协议及权重可用性，实验协议、消融及统计信息尚未验证。材料未建立这些人格方向与 EEG 瓶颈的具体对应关系，不据此提出 BCI 迁移效果或复现实验建议；已有 EEG 相关工作尚未检索确认。