arXiv · cs.AI· Oscar Gilg, Pierre Beckmann, Daniel Paleka, Patrick Butlin·· 1 天前
Gemma-3-27B与Qwen-3.5-122B的人格依赖偏好探针研究
Probing Persona-Dependent Preferences in Language Models
arXiv:2605.13339v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Oscar Gilg, Pierre Beckmann, Daniel Paleka, Patrick Butlin
研究任务与主要进展
研究团队在Gemma-3-27B和Qwen-3.5-122B的残差流激活上训练线性探针，用于预测模型在成对任务中的选择，并发现能够追踪不同提示情境下偏好变化的偏好向量。在Gemma-3-27B上，沿该向量干预可因果控制成对选择；部分偏好信息还能迁移到已测试的不同人格，包括偏好与助手人格负相关的人格。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org