由心理测量画像生成的人生故事能否还原个体人格？

人格特征丰富地体现在自然语言中，基于人类文本训练的大模型能够根据角色描述模拟人格。然而，既有评价主要依赖条件化模型的问卷自报，架构覆盖有限，也很少使用真实人类心理测量数据，因此尚不清楚人格条件生成是否有效表达个体差异，还是仅表面匹配特质描述。本文使用290名参与者的真实心理测量画像，让大模型生成第一人称人生故事，再让独立大模型仅凭故事还原人格分数。恢复程度接近人类重测信度，平均相关系数r=0.750，达到人类上限的85%；结果在六家提供商的十种叙事生成模型与三种人格评分模型间保持稳定。系统性偏差分解表明，评分模型在抵消对齐导致的默认倾向时仍能取得较高准确性。内容分析显示，人格条件化产生了行为上不同的文本：十项编码特征中有九项与参与者真实对话中的同类特征显著相关，叙事中的人格驱动情绪反应模式也在真实对话中得到重现。这支持了预训练学习到的人格—语言关系能较稳定地编码和解码个体差异，包括真实行为中的特征性情绪变化。