2026年7月29日 · From Representations to Behaviors
From Representations to Behaviors: Exploring the Person-Situation-Behavior Triad in LLMs
arXiv 论文 2607.26853v1 提出一个框架，用于在 LLM 中发现、控制和验证类特质表示。该框架基于 Funder 的人格三元组，将人、情境和行为映射到 LLM 分析中，使用对比行为对和 SAE 分解来识别与人格特质对立极相关的稀疏内部特征。
EVENT STORY
发展脉络
- 首次出现From Representations to Behaviors: Exploring the Person-Situation-Behavior Triad in LLMsarXiv cs.CL
- 当前判断该研究可能推动 LLM 个性化和可控性发展，使模型能够根据用户偏好调整行为。但当前仍处于研究阶段，实际应用尚需验证。Agent Pulse · 分析
该论文将人格理论中的 Funder 三元组（人-情境-行为）应用于 LLM 分析，提出一个发现、控制和验证类特质表示的框架。作者认为现有研究主要关注人格条件化下的输出，缺乏内部人格相关表示及其跨情境表达的机制证据。他们通过对比行为对（基于共享情境）和 SAE 分解，识别与人格特质对立极相关的稀疏内部特征，并验证其特质相关性。该框架旨在提供机制性证据，说明 LLM 内部存在人格相关表示，并影响特定行为。
该工作将 SAE 分解应用于对比行为对，以发现稀疏特质特征，这为解释 LLM 内部表示提供了新方法。未来可验证的信号包括：这些特征是否在不同情境下稳定表达，以及通过干预这些特征能否可预测地改变行为。
该研究可能推动 LLM 个性化和可控性发展，使模型能够根据用户偏好调整行为。但当前仍处于研究阶段，实际应用尚需验证。
对于开发个性化 AI 助手的公司，该框架可能提供更精细的用户行为控制，但距离商业化仍有距离。
后续可关注该框架在更大模型上的可扩展性，以及是否出现基于此的模型微调或提示工程方法。