研究定位LLM中人格表征集中在解码器最后三分之一层

IBM 研究团队的 Celia Cintas 等发布论文《Localizing Persona Representations in LLMs》（arXiv:2505.24539v5），通过降维和模式识别方法定位由人类特征、价值观和信念定义的人格（persona）在大语言模型表征空间中的编码位置。论文摘要称，在多个预训练 decoder-only LLM 中，所分析人格的表征差异只出现在解码器最后三分之一的层内。 细分布局方面，论文称道德虚无主义与功利主义等伦理视角的激活区域相互重叠，而保守主义与自由主义等政治意识形态则分布在更分开的区域。以上结果基于论文摘要，尚属模型内部表征分析研究，未涉及下游应用验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。