超越固定心理人设：状态胜于特质，但语言模型对状态无感

用户与语言模型的互动因用户的静态属性（特质）和具体交互情境（状态）而有所不同。然而，现有的人设数据集（如PersonaChat、PANDORA等）仅捕捉了特质，忽略了状态的影响。本文引入Chameleon数据集，包含来自1,667名Reddit用户的5,001个情境化心理画像，每个用户在多个情境下被测量。利用该数据集，研究得出三个关键发现：首先，根据潜在状态-特质理论，74%的方差来源于个体内部的状态，仅有26%来源于个体间的特质差异；其次，语言模型对状态无感，仅关注特质，因此无论状态如何，其响应相似；第三，奖励模型会对用户状态作出反应，但表现不一致：不同模型对同一用户可能产生相反的偏好或惩罚。本文发布Chameleon数据集，以支持情感计算、个性化对话及RLHF对齐方面的研究。