《Current Opinion in Psychology》：Personality Engineering with AI Agents: A New Methodology for Negotiation Research
编辑推荐：
摘要根据经典谈判理论，人们在谈判中的成功取决于他们如何平衡相互竞争的需求——同理与主张，展现对他人的关注和对自我的关注，对人柔和而对问题强硬。然而，人们往往难以管理这些张力，因此研究人员缺乏在受控条件下严格测试该领域建议的能力。AI 智能体不受同样限制，其精确性、多样性、一致
摘要
根据经典谈判理论，人们在谈判中的成功取决于他们如何平衡相互竞争的需求——同理与主张，展现对他人的关注和对自我的关注，对人柔和而对问题强硬。然而，人们往往难以管理这些张力，因此研究人员缺乏在受控条件下严格测试该领域建议的能力。AI 智能体不受同样限制，其精确性、多样性、一致性和可扩展性使新一类实验成为可能，从而为谈判理论做出贡献。在本文中，我们介绍了人格工程——一种基于既定人格框架精确参数化 AI 智能体角色的方法论——并提出如何利用这种方法来研究人类谈判者的特征和行为。鉴于其与谈判理论的相关性，我们提出人际环行模型——及其两个核心维度温暖与支配——作为该领域的基础坐标系。这种方法既提供了测试经典谈判理论的严谨方法论，也为设计 AI 谈判智能体的角色提供了实用指南。
引言
谈判的奠基性理论共享一个共同的结构元素：张力。在经典框架中，谈判学者建议的不是单一策略，而是一种平衡行为，要求人们管理看似相互竞争的需求。他们建议对问题强硬但对人柔和 [1]，保持对自我和他人的高度关注 [2]，以及在坚定主张的同时保持同理心 [3]。然而，在实践中，人类谈判者往往感知到权衡取舍，并表现得好像必须在相互竞争的需求之间做出选择 [1], [3], [4], [5], [6]。
人类谈判者也是测试这些理论的不精确工具——他们对相同指令的解释不同，会根据对手的行为改变自己的行为，而且难以大规模招募和协调 [7], [8], [9]。因此，该领域的核心建议主要通过粗略的类别比较进行测试，结果令人惊讶地碎片化 [10], [11], [12], [13]。
在本文中，我们提出一种利用 AI 智能体独特属性克服这些约束的方法论。我们引入了人格工程——沿着具有理论基础的维度系统化参数化 AI 智能体角色，以测试谈判理论并优化 AI-AI 和人类-AI 谈判中的结果。我们使用人际环行模型 [14], [15] 作为坐标系，沿着其两个核心维度——温暖与支配——对 AI 智能体进行参数化，我们将这些维度映射到谈判理论长期建议但难以测试的双重指令上 [1], [2], [3]。我们描述了 AI 智能体如何不像人类谈判者那样，可以位于温暖 - 支配空间的任何位置（见图 1），以精细的增量进行变化，并在大规模交互中保持稳定。然后，我们列出了利用这一能力测试该领域已提出但尚未解决的基础性问题的研究议程。
章节片段
人格工程的坐标系
为了从建议走向实验，我们需要一个共享的坐标系，以操作化贯穿谈判理论的双重指令。我们提出人际环行模型——一个来自人格和社会心理学的成熟框架，它沿着两个连续维度组织人际行为：温暖与支配 [14], [15]。人际环行模型在人格评估、临床心理学和社会互动中有长期的使用历史
研究谈判的工程方法
随着这个坐标系的建立，我们现在可以定义它所启用的方法论：人格工程 [22]。我们认为，AI 智能体使得谈判中关于人格工程的新研究项目成为可能：沿着既定的理论维度故意校准和变化 AI 智能体的人际角色，以评估谈判建议并改善谈判表现。该方法应用了工程的逻辑——指定设计变量，定义
精确性
研究人员利用 AI 智能体比利用人类参与者更精确地指定和操作人际特征。指示一个人“稍微温暖且稍微支配”会在解释和执行中引入相当大的变异，这可能混淆研究人员寻求隔离的维度 [26]。相比之下，利用 AI 智能体，可以分配温暖与支配的目标水平——例如，温暖 = 50/100 和支配 = 50/100——并通过提示、上下文示例进行变化，
多样性
AI 智能体可以占据温暖 - 支配空间的任何区域，包括很少有人类谈判者能够到达并维持的区域。非常高的温暖和非常高的支配的组合——正是许多谈判理论识别为最优的画像——在人类中很少实现，即使在明确指示下也难以维持 [6]。相比之下，AI 智能体可以可靠地承担这些角色，以及更极端或不寻常的组合 [30??], [31], [32??]。
一致性
此外，AI 智能体由于受对手行为影响较小，可以更好地在整个谈判过程中维持其分配的角色画像 [33]。人类谈判者往往会根据对手行为、疲劳或情绪发生转变，从而损害预期的操纵 [9], [34], [35]。由于 AI 智能体没有这些情感或认知限制，它们即使面对敌意也可以保持温暖，或者即使面对情感诉求也可以保持支配 [33]。
可扩展性
AI 智能体还实现了实验的可扩展性，这在人类参与者中是难以实现，甚至不可能的 [36], [37]。研究人员可以部署数千个具有系统化变化的温暖 - 支配配置的代理进行并行谈判，生成覆盖人际关系空间的大数据集且具有高分辨率 [30]。一个使用人类参与者需要数月招募、安排和数据收集的设计，使用 AI 智能体可以在数小时内运行 [38], [39?]。这
谈判中人格工程的研究议程
我们提出了六个研究线索，每条针对一个基础性问题，利用这种人格工程方法来解决谈判理论提出但现有方法难以回答的问题。
最优性
人格工程可以解决的最基本问题是：哪种温暖 - 支配配置（或更一般地说是哪种角色画像）能产生最佳的谈判结果？现有的实证工作提供了暗示性但不完整的答案。例如，Jeong, Minson, Yeomans, 和 Gino [11] 发现，在分配式谈判中以温暖沟通对经济结果是反作用的，而 Kopelman, Rosette, 和 Thompson [12] 发现，策略性的表现
情境效应
重要的是，最佳的温暖 - 支配配置可能取决于谈判的结构特征。现有研究已经指出了重要的情境调节变量。Barry 和 Friedman [10] 发现，宜人性与外向性——与温暖密切相关的构念——在分配式讨价还价中是负债，但在整合式情境中并非如此。Sinaceur 和 Tiedens [40] 表明，表达愤怒——一种与支配相关的信号——会引发让步，但仅当
二元效应
谈判本质上是二元关系，因此任何角色配置的有效性也取决于对面坐着的是谁。人际理论预测了某些互补性：温暖招致温暖，支配招致顺从，顺从招致支配 [20], [41], [42]。如果这些动态在谈判中成立，一个温暖且支配的代理可能会根据面对的是温暖顺从的对手还是冷漠支配的对手产生非常不同的结果。
时序与顺序效应
在许多现实情况中，谈判随着时间展开，温暖与支配的效应很可能在交互过程中及重复遭遇中动态展开。关于谈判动态的研究表明，谈判的早期和晚期阶段服务于不同功能：早期交换建立融洽关系，设定锚点并传递意图，而后期交换涉及让步、问题解决和成交 [9], [44], [45], [46]。因此，温暖可能
人类与 AI 对手效应
随着 AI 智能体承担越来越重要的谈判角色——例如在采购、纠纷解决、客户服务中——该领域也需要更好地了解人类是否像回应另一个人类的温暖与支配信号一样回应来自 AI 智能体的这些信号。现有证据不一，一些研究表明人类 - 人类、人类 -AI 和 AI-AI 谈判之间存在强大联系 [50], [51??], [52]，而另一些则强调了重要差异
坐标系效应
谈判研究借鉴了范围广泛的人格框架——大五人格 [10], [57]，黑暗三角 [58], [59]，情感模型 [60]，以及人际环行模型 [14], [15], [30??]——但这些框架主要平行发展，每条研究线索产生其独特的发现。因此，该领域缺乏对这些坐标系在谈判背景下如何相互关联的清晰理解。例如，马基雅维利主义是如何运作的
局限性
尽管具有潜力，人格工程仍受若干方法论约束。首先，AI 智能体中温暖或支配的可观察表现不一定映射到人类谈判者特有的潜在心理结构或稳定倾向。其次，不应假定指定的参数值代表完美校准或等距的行为增量：例如，温暖从 60 到 70 的转变，可能不会带来
结论
在本文中，我们介绍了人格工程——一种利用 AI 智能体系统化探索谈判理论长期认定为关键但缺乏手段进行大规模实证评估的人际关系空间的方法论。通过引入这种方法，我们希望既为研究人员在受控条件下测试该领域的基础性建议提供严谨方法论，也为实践者设计能够谈判的 AI 智能体提供实用框架
生成式人工智能声明
在准备本工作期间，作者使用了 Claude 进行头脑风暴、起草和修订。作者审查并编辑了输出结果，并对已发表文章的内容承担全部责任。
作者贡献声明
MAV 和 JRC 负责本论文的概念化、开发和撰写。
利益冲突声明
? 作者声明他们没有任何已知的竞争性财务利益或个人关系，这些关系可能被认为影响了本文报告的工作。
Michelle A. Vaccaro|Jared R. Curhan
