研究者激辩「Persona」抽象与 RL 后训练究竟改变模型什么
一场围绕 AI 模型「Persona（人格/人设）」概念的讨论在多位研究者之间展开，核心争论是：Persona 是否是理解模型的有用抽象，以及 RL 后训练究竟改变了模型的什么。当前主流意见倾向于抛弃 Persona 框架，改用更细粒度的「倾向集合 + RL 拉伸」视角。这场争论直接影响可解释性与对齐研究如何评估后训练的实质影响。
已确认
- @lusichu 与 @voooooogel 均反驳「Persona 仅由响应行为定义」的观点，举例称在最后几层随机插入 meow 触发 ICL 猫娘扮演，属于表层行为修改，并不算触及核心人格（如 assistant axis），并指出模型具有元认知访问能力。
- @voooooogel 多次表达对「Persona/PSM（假性利他主义）」概念的反感，认为其定义模糊、低估了后训练的能力；他主张把模型视为从 token 级别到长文本叙事级别的「倾向、怪癖和偏好」的集合体，而 RL 是对这个集合体进行推拉和拉伸，而非简单贴上一个人设标签。
- @voooooogel 还认为应完全抛弃 Persona 一词，批评这种基于浅层氛围的理解令人不满，转而利用基于预训练的推理能力来理解模型。
- 在与 repligate、tszzl 的讨论中，AskYatharth 批评 persona 框架是「simulacra 的公司化换皮」，指出「LLM 自然主义」不等于对 personas 感兴趣——persona 是一个较差的抽象；自然主义的核心是以好奇心态观察一个陌生的智能，让它保持异质感。
为什么重要
- 这场讨论触及可解释性与对齐研究中的一个基础问题：如果只关注表层「人设」表现，可能会误判 RLHF/RL 对模型内部机制的实质影响，例如把晚层电路的局部改动误认为人格层面的转变。
- 「倾向集合 + RL 拉伸」的框架为分析后训练如何重塑模型行为提供了比 persona 更细粒度的替代视角，也呼应了将模型视为「陌生智能」而非拟人化角色的研究立场。
2026-08-31 ~ 2026-08-31 · 6 条相关
一手来源
- 模型 Persona 仅是 ICL 适配？RL 是否改变人格？ — lu_sichu ·
- 反驳 Persona 仅为行为论：RL 改变人格的机制 — voooooogel ·
- 如何看待模型：偏好、倾向与 RL 的拉伸作用 — voooooogel ·
- 【源头】反驳 Persona 仅为行为论：RL 改变人格的机制 — voooooogel · 2026-08-31
- 【源头】模型 Persona 仅是 ICL 适配？RL 是否改变人格？ — lu_sichu · 2026-08-31
- 观点：摒弃“Persona”，基于预训练推理更有效 — voooooogel · 2026-08-31
- 【源头】如何看待模型：偏好、倾向与 RL 的拉伸作用 — voooooogel · 2026-08-31
- 探讨模型后训练：Persona 概念被低估，RL 重塑倾向 — voooooogel · 2026-08-31
- persona 框架被批「simulacra 的公司化换皮」 — repligate · 2026-08-31