从表征到行为：探索大语言模型中的人格三元组

该论文借鉴Funder的人格三元组框架，将“人”映射为模型内部人格表征，将“情境”映射为触发特质表达的上下文，将“行为”映射为社会任务中的响应模式。研究通过SAE发现与人格特质两极相关的稀疏特征，并以特征干预、跨情境迁移、改写鲁棒性及社会智能任务验证其行为影响。