PersLLM: نهج تدريب شخصي لنماذج اللغة الكبيرة

تُظهر نماذج اللغة الكبيرة جوانب من الذكاء على مستوى الإنسان تدفع تطبيقها كوكلاء مشابهين للبشر في مجالات مثل المحاكاة الاجتماعية، التفاعلات بين الإنسان والآلة، وأنظمة الوكلاء المتعددة التعاونية. ومع ذلك، فإن غياب الشخصيات المتميزة، مثل إظهار سلوكيات تكسب الإعجاب، الآراء غير المتسقة، وأنماط الرد الموحدة، يقلل من فائدة هذه النماذج في التطبيقات العملية. لمعالجة هذا، يصبح تطوير سمات الشخصية في نماذج اللغة الكبيرة مجالًا حاسمًا للبحث لإطلاق إمكاناتها الكامنة. الطرق الحالية لتشخيص نماذج اللغة تعتمد عادة على استراتيجيات مثل استخدام بيانات تدريب ذات أسلوب معين لضبط التعليمات أو استخدام هندسة الموجهات لمحاكاة شخصيات مختلفة. هذه الطرق تلتقط فقط الأساليب اللغوية السطحية بدلاً من جوهر الشخصيات، وبالتالي فهي غير مستقرة. في هذه الدراسة، نقترح PersLLM، الذي يدمج مبادئ الشخصية القائمة على علم النفس: الممارسة الاجتماعية، الاتساق، والتطور الديناميكي، في منهجية تدريب شاملة. ندمج سمات الشخصية مباشرة في معلمات النموذج، مما يعزز مقاومة النموذج للتحفيز، ويروج للاتساق، ويدعم التطور الديناميكي للشخصية. التقييم أحادي الوكيل يؤكد تفوق طريقتنا، حيث ينتج استجابات أكثر توافقًا مع الشخصيات المرجعية مقارنة بالطرق الأخرى. دراسات الحالة للتواصل بين وكلاء متعددين تبرز فوائده في تعزيز اتساق الرأي داخل الوكلاء الفرديين وتعزيز الإبداع التعاوني بين عدة وكلاء في سياقات الحوار، مما قد يفيد محاكاة البشر وتعاون الوكلاء المتعددين. بالإضافة إلى ذلك، تشير تقييمات التفاعل بين الإنسان والوكيل إلى أن نماذجنا المشخصة تحسن بشكل كبير تجارب التفاعل، مما يؤكد الأبعاد العملية لأبحاثنا.