34.5万条轨迹刻画 AI「性格」:Claude 最有规划性,GPT-5.5 最不活跃
mdredze · x · 2026-10-23
论文《On the Behavioral Traits of LLM Agents》(arXiv:2609.32776)提出 A-B-D 方法,不再依赖模型自评或 LLM 评委打分,而是从真实行为轨迹自底向上推断智能体的人格特质。
- 数据规模:345,667 条真实轨迹,覆盖 80 个模型、12 类任务、50 种 harness,提取 318 个候选特征(功能+语言两类)。
- 经稳定性与区分度筛选后剩 79 个特征,因子分析得到 6 个稳定的、可归因于模型的因子(2 个功能型、4 个语言型)。
- 发现:Claude-Sonnet-4.6 与 Kimi-K3 表现出最强的规划性(planfulness),GPT-5.5 与 GPT-5.6 的「活跃度」最低。
- 量化了「知行差距」:这些行为因子与模型自评的大五人格仅弱相关,如外向性 vs energetic 仅 r=0.07(p=0.58),说明模型嘴上说的性格与实际行为是两回事。
所属事件:34.5万条轨迹反推80个AI模型行为性格差异(2 条相关)→
「模型」频道最新
- Gemini 4 拒答明显更宽松，敏感度低于多数模型 — haider1 · 2026-10-23
- SemiAnalysis 算账：OpenAI 200 美元订阅每美元 token 腰斩，Anthropic 值 5 倍以上 — RexDouglass · 2026-10-23
- 谷歌云发布 PLE 基准:物理工程考题全部前沿模型得分不足 50% — Afinetheorem · 2026-10-23
- LLM 版权护栏现漏洞：拒绝抓取网页全书，却肯打包 ZIP 下载 — burkov · 2026-10-23
- 港科大溯源发现:「Wait」标记继承自训练数据而非 RL 发明 — huawei-noah · 2026-10-23
- 研究：Claude Opus 4.8 同行评审全面胜过人类专家 — emollick · 2026-10-23