务实的角色：通过桥接推理发现 LLM 角色

大语言模型（LLM）通过对话揭示固有且独特的角色。然而，大多数现有的人物角色发现方法依赖于表面的词汇或风格线索，将对话视为一个平坦的标记序列，并且未能捕获维持人物角色一致性的更深层次的话语级别结构。为了解决这个限制，我们提出了一种新颖的分析框架，通过桥接推理来解释 LLM 对话——通过共享世界知识和话语连贯性连接话语的隐式概念关系。通过将这些关系建模为结构化知识图，我们的方法捕获了潜在的语义链接，这些链接控制着 LLM 如何跨回合组织意义，从而在话语连贯性而不是表面实现的层面上实现人物角色发现。跨多个推理主干和目标 LLM（从小规模模型到 80B 参数系统）的实验结果表明，桥接推理图比基于频率或风格的基线产生明显更强的语义连贯性和更稳定的角色识别。这些结果表明，角色特征一致地编码在话语的结构组织中，而不是孤立的词汇模式中。这项工作提出了一个通过认知话语理论的视角探测、提取和可视化潜在 LLM 角色的系统框架，在 大语言模型 中桥接计算语言学、认知语义和角色推理。代码可在 https://github.com/JiSoo-Yang/Persona_Bridging.git 获取