用于检测生活叙事中海洋的微调多智能体框架

从文本中准确评估个性具有挑战性，因为特征是潜在的、依赖于上下文的，并且通常在长篇叙述中巧妙地表达出来。 大语言模型 (LLM) 通过处理广泛的文本上下文提供了新的机会，但这些模型的预训练可能会引发潜在的“类人格”偏差，从而使单模型推理不一致。我们提出了一个用于检测海洋人格特征的微调多智能体框架，其中子智能体通过掩码语言模型（MLM）和心理测量监督对每个特征采取高、低或中立的观点。法官 LLM 汇总并比较子代理的输出以生成最终的特征预测，捕获多个互补的观点，同时减轻个体模型偏差。我们通过定量和定性实验评估生活叙事数据集的框架，包括基线、消融和推理质量分析。我们的方法为基于文本的人格推理提供了一种可扩展且可解释的方法，突出了基于心理测量监督的多主体推理的好处。