不止是风格：SPACE基准揭示大模型人格倾向的深层影响

大型语言模型的行为不仅由显式的提示词和指令塑造，其内部还存在类似人类人格倾向的稳定偏好。这种偏好会左右模型如何理解情境、做出决策，但在实际应用中，它的影响往往与模型能力、指令效果纠缠在一起，难以剥离。最近一篇题为《More Than Just Style: Benchmarking Personality Influence in Large Language Models》的研究提出了SPACE框架，试图用受控实验的方法把“人格”从“能力”和“指令”中分离出来，并给出了一个值得关注的结论：人格倾向是顽固的，提示词能改变表面风格，却难以撼动内在倾向。

为什么需要专门测量大模型的人格影响

过去我们习惯把模型输出差异归因于提示词写得好不好，或者模型本身够不够强。但研究指出，模型内部存在类似人格的行为偏好，这些偏好会持续影响它对任务的解读。问题在于，这种影响很难与能力差异、指令遵循效果区分开——一个模型表现更好，可能是因为它能力更强，也可能只是因为它的“人格”恰好更适合当前任务。

SPACE框架的核心思路就是控制变量。它把人格验证、能力评估和分层情境任务放在同一个实验协议下，通过对比不同引导条件下的结果，来判断人格因素是否真的产生了独立影响。这种设计让“人格影响”不再是模糊的直觉判断，而成为可测量、可比较的变量。

大模型人格（LLM Personality） 通常指模型在交互中表现出的稳定行为倾向，类似人类人格特质，如外向性、宜人性、尽责性等。这些倾向并非由单次提示词决定，而是源于预训练数据中的语言模式、微调阶段的偏好对齐以及模型架构的归纳偏置。在心理学中，人格特质被定义为跨情境稳定的行为模式；对应到LLM，研究者通过标准化问卷（如大五人格量表）或行为任务来测量模型输出的一致性偏好。与“风格”不同，人格倾向影响的是模型如何解读模糊情境、权衡决策优先级，而不仅仅是措辞或语气。因此，区分人格与能力需要控制任务难度和指令强度，这正是SPACE框架的设计出发点。

SPACE框架如何分离人格与能力

SPACE由三个互补的数据集和一套受控评估协议组成。人格验证数据集用于确认模型确实表现出稳定的人格倾向；能力评估数据集用于量化模型在不同任务上的实际水平；分层情境任务则模拟从简单到复杂的情境，观察模型在接近真实场景下的决策模式。

关键在于受控比较。研究团队设置了不同的引导条件，比如给模型施加与内部倾向一致或相反的指令，然后观察输出变化。如果指令能轻易覆盖人格倾向，那么人格因素就不值得单独关注；但实验结果恰恰相反。训练代码和基准规范已在GitHub上公开，地址是https://github.com/Niklauseik/SPACE-training，方便后续研究复现和扩展。

受控实验设计（Controlled Experimental Design） 是因果推断的核心方法，其基本原则是仅改变一个自变量，同时保持其他条件恒定，从而观察该变量对因变量的独立影响。在LLM研究中，这意味着固定模型版本、任务输入和评估指标，仅改变引导条件（如与人格倾向一致或相反的指令），然后比较输出差异。SPACE框架将这一范式应用于人格影响测量：通过分层情境任务模拟不同复杂度，并在每个情境下施加对立的引导指令，若输出变化仅体现在表面风格而决策模式不变，则说明人格倾向具有独立性。这种设计有效剥离了能力差异（通过能力评估数据集量化）和指令遵循效果（通过对比指令条件），使人格影响成为可量化的变量。

核心发现：风格可改，倾向难移

实验中最有分量的结论是：提示词确实能改变生成风格，但模型内部的人格倾向具有持续性，不会轻易被对立指令覆盖。换句话说，你可以让模型“表现得”更严谨或更温和，但它在底层解读情境和做决策时，仍然会沿着原有倾向走。

这解释了一个常见困惑：为什么有时候精心设计的系统提示词，在复杂任务上效果会打折扣。因为指令作用在表面，人格倾向作用在更深层。研究还发现，这些潜在倾向对模型的任务表现有可观察到的影响，这意味着在评估模型时，不能只看能力分数，还要考虑人格因素带来的偏差。

系统提示词（System Prompt） 是部署LLM时用于设定模型角色、行为边界和输出格式的指令，通常位于对话历史的最前端，优先级高于用户输入。系统提示词通过注意力机制影响模型对后续内容的生成分布，但其作用范围受限于模型内部表征的稳定性。研究表明，系统提示词能有效调节表面风格（如语气、详细程度、格式），却难以改变模型在深层语义理解中形成的偏好模式。这是因为人格倾向已嵌入模型参数中，表现为对特定情境的稳定解读方式，而提示词仅在前向传播的早期层施加偏置，无法逆转深层表征。因此，在复杂任务中，系统提示词的效果会随任务复杂度增加而衰减，人格倾向的影响则相对凸显。

对模型评估与应用的启示

这项研究的意义不止于学术层面。对于做模型评测的人来说，SPACE提醒我们：不同模型之间的能力对比，可能混入了人格倾向的干扰。一个在某个基准上得分更高的模型，未必是“更聪明”，可能只是“性格更合拍”。对于应用开发者来说，如果任务对决策风格敏感，比如风险评估、客服对话、内容审核，那么模型的人格倾向就需要被纳入选型考量，而不是只盯着参数和跑分。

研究团队也指出，这些特性值得更多关注，并可能带来新的应用方向。比如，能不能主动利用人格倾向来提升特定场景的表现？或者反过来，在需要中立判断的任务中抑制人格偏差？这些问题的答案，都建立在能够准确测量人格影响的基础上，而SPACE提供了一个可操作的起点。

写在最后

大模型的人格倾向不是玄学，也不是简单的风格装饰。SPACE框架用受控实验把它拉进了可测量的范畴，并给出了一个明确的信号：提示词能改风格，但改不了底色。对于关注模型行为的研究者和开发者来说，这是一个需要认真对待的变量。随着基准和代码的公开，后续围绕人格影响的讨论有望从直觉走向实证。