PsyAgent：基于心理建模与情境交互构建类人智能体

摘要

类人代理需要对性格如何与社会结构相互作用进行建模。我们提出了 PsyAgent，它将大五特征与布迪厄的认知社会共同结构结合起来。 PsyAgent 包括： (i) 个体结构 (IS)，一种机器可用的配置文件，编码特征和方面、认知风格、价值观、文化和教育资本以及重要的生活片段； (ii) 多场景情境（MSC），跨越八个领域（工作、家庭、友谊、陌生人和公民生活、孤独和自我调节、浪漫、学习和公共表达）的角色关系规范框架。在推理时，固定的结构化提示将活动场景绑定到代理配置文件，从而产生稳定但上下文敏感的行为。我们实例化 IS 和 MSC 来综合监督（角色扮演对话、决策探索、反馈轨迹），然后微调一个小型 LLM。由此产生的模型为指定的大五配置产生一致的、可识别的角色一致行为，并匹配或超过几个较大的未调整的大语言模型和其他未调整的指标基准：角色一致性、上下文适当性、风格匹配、特质可识别性和长期稳定性。消融显示 IS 主要提高特质保真度和风格稳定性，而 MSC 则推动规范意识和决策契合度；两者都是跨场景性能所必需的。 PsyAgent 为基于个性的代理提供了精确、数据高效的架构。

PsyAgent：基于心理建模与情境交互构建类人智能体配图 — 图 3：PsyAgent 流水线概览。个体结构（Individual Structure, IS）画像与多场景情境化（Multi-Scenario Contexting, MSC）框架及目标大五（Big Five）向量交叉，形成带有控制标签（⟨O·⟩、⟨SCENE=·⟩、⟨INSTR⟩、⟨RESP⟩）的统一人格提示。在 SFT 中，带有 LoRA 适配器的冻结基座 LLM 仅在 ⟨RESP⟩ 之后的 token 上以交叉熵训练；在 DPO 中，同一提示的选择-拒绝配对针对冻结参考模型进一步优化适配器（可选 4 比特 QLoRA）。所得到的经过适配器化的小型模型能够生成高质量的、依场景而定的输出，忠实地表达指定的大五人格。