人格特质与对话任务对LLM控制虚拟代理社交互动的影响机制研究

研究人员针对LLM（大语言模型）控制的具身对话代理（ECA）在社交互动中的人格特质影响机制不明确的问题，通过VR实验设计，对比了"外向型"与"内向型"人格代理在三种对话任务（闲聊/知识测试/说服任务）中的表现。研究发现外向型代理能显著提升用户社交评价（ηp2=0.33）、情感体验（d=0.74）和交互参与度（p<0.001），证实了CASA（计算机作为社会行动者）框架在LLM交互场景的适用性，为虚拟社交代理设计提供了实证依据。

　　

在人工智能技术突飞猛进的今天，大语言模型（LLM）控制的虚拟人类正逐渐走进我们的生活。从智能客服到虚拟治疗师，这些能进行自然对话的数字实体正在重塑人机交互的边界。然而，一个关键问题始终悬而未决：当这些虚拟代理被赋予不同人格特质时，会如何影响人类的社交体验和行为反应？德国雷根斯堡大学（University of Regensburg）心理学系的研究团队在《Computers in Human Behavior》发表的最新研究，为这个充满未来感的课题带来了实证答案。

研究团队创造性地将心理学经典人格理论与前沿AI技术相结合。通过VR头显构建沉浸式社交场景，46名参与者与采用SauerkrautLM-7b-HerO模型驱动的虚拟代理"Moritz"进行互动，代理被随机设定为"外向型"（健谈/主动）或"内向型"（保守/寡言）人格。实验采用混合设计，包含闲聊、知识问答和说服任务三种情境，通过视觉模拟量表（0-100）记录社交评价、情感体验等指标，并量化语言交互数据（词数/话轮数）作为行为指标。

3.1 人格操纵验证
通过NEO-FFI-30人格量表对LLM输出进行100次测试，证实外向型代理在外向维度得分显著更高（M=12.81 vs 7.87，p<0.001，d=1.36），其他维度无差异，验证了人格操纵的特异性。

3.2 社交评价
外向型代理获得更高好感度评分（58.20 vs 41.19，η_p²=0.33），且在说服任务中 realism 评分差异最大（38.26 vs 20.52，p=0.002），显示人格特质在深度对话中影响更显著。

3.3 情感体验
外向型互动带来更积极情绪（56.97 vs 45.01，η_p²=0.12），而知识测试和说服任务比闲聊引发更高唤醒度（p=0.006），表明任务性质独立影响情绪激活。

3.5 行为参与
外向型条件下参与者平均多说16%词汇（p<0.001），话轮数增加22%，尤其在说服任务中差异最大（p=0.005），支持交互对齐模型（interactive alignment model）的预测。

3.6 求助行为
虽然人格不影响求助倾向，但参与者对LLM提供的答案信心显著更高（82.89 vs 70.12，p=0.002），显示对AI信息的默认信任。

这项研究首次系统揭示了LLM人格特质在具身交互中的"涟漪效应"——不仅改变用户的主观体验，更引发行为层面的模仿响应。从应用角度看，为教育、医疗等领域的虚拟代理设计提供了人格定制依据；从理论层面，强化了CASA框架在新时代人机交互中的解释力。值得注意的是，研究发现的"人格一致性行为响应"现象暗示，未来AI伦理需关注人格操纵可能带来的行为引导风险。当虚拟代理的"外向笑容"能自然引发人类更多的自我暴露时，我们或许需要重新思考数字社交中的心理边界。