1. 论文基本信息

1.1. 标题

从角色设定到对话：重访角色设定对大型语言模型合成情感支持对话的影响 (From Personas to Talks: Revisiting the Impact of Personas on LLM-Synthesized Emotional Support Conversations)

1.2. 作者

Shenghan Wu, Yimo Zhu, Wynne Hsu, Mong-Li Lee (新加坡国立大学); Yang Deng (新加坡管理大学)

1.3. 发表期刊/会议

预印本 (arXiv)

1.4. 发表年份

2025年

1.5. 摘要

该研究探讨了大型语言模型 (Large Language Models, LLM) 在生成情感支持对话 (Emotional Support Conversations, ESC) 中，personas（角色设定）所扮演的关键角色。论文利用既定的心理学框架来测量和注入 persona traits（角色特质）到 LLM 中，从而在情感支持场景下生成对话。通过广泛的评估，研究人员考察了 persona traits 在对话中的稳定性，分析了生成后 traits 的变化及其对对话质量和策略分布的影响。实验结果揭示了几个重要发现：1) LLM 能够推断核心 persona traits；2) 情感性和外向性方面存在微妙的转变，影响了对话动态；3) 应用 persona traits 改变了情感支持策略的分布，增强了回复的相关性和同理心质量。这些发现强调了 persona-driven LLM 在创建更个性化、更具同理心和更有效情感支持对话方面的潜力，这对未来 AI 驱动情感支持系统的设计具有重要意义。

1.6. 原文链接

原文链接: https://arxiv.org/abs/2502.11451 PDF 链接: https://arxiv.org/pdf/2502.11451v2.pdf 发布状态: 预印本 (Preprint)，发布于 2025-02-17T05:24:30.000Z。

2. 整体概括

2.1. 研究背景与动机

情感支持对话 (Emotional Support Conversations, ESC) 在帮助寻求者减轻压力、克服情感问题和促进心理健康方面发挥着重要作用。传统 ESC 数据集的构建方式（如众包、治疗师会话转录、在线问答平台）存在高成本、隐私问题、数据质量参差不齐以及人工制造用户需求等诸多局限性。随着大型语言模型 (Large Language Models, LLM) 的快速发展，它们在生成高质量数据方面的强大泛化能力为大规模、低成本的 ESC 数据集生成提供了新的途径。

然而，LLM 在生成式 AI 注释中存在“缺乏人类直觉”的问题。有效的情感支持需要考虑个体差异，包括个性特质、情绪状态和情境因素。以往研究已开始关注 persona（角色设定）在情感支持对话中的作用，并通过心理学量表测量 LLM 的个性特征。但目前仍存在一个空白：persona-related aspects（与角色相关的方面）如何影响情感支持对话的生成，特别是 LLM 生成的对话中 persona traits（角色特质）的稳定性和影响。

本研究的动机正是为了填补这一空白，通过心理测量来深入探讨 LLM 生成情感支持对话与 persona traits 之间的关系。

2.2. 核心贡献/主要发现

本研究提出了一个基于 LLM 的模拟框架来探究 persona 在 LLM 生成情感支持对话中的影响，并回答了以下三个关键研究问题 (RQ)：

• RQ1：LLM 能否在情感支持场景中从 persona 中推断出稳定特质？

  • 主要发现： LLM 能够从 personas 中推断出稳定的特质，如个性 (personalities) 和沟通风格 (communication styles)。利用 LLM 推断出的特质之间存在强相关性。gpt-4o-mini 在此方面表现最佳，其推断结果与心理学理论高度一致。

• RQ2：LLM 生成的对话能否保留原始 persona traits？

  • 主要发现： LLM 模拟的寻求者 (seekers) 倾向于表现出更高的情感性 (Emotionality) 和更低的外向性 (Extraversion)，这与寻求者在情感支持对话中处理情感问题这一情境相符。总体而言，persona traits 在合成的情感支持对话中保持了一致性，仅存在轻微的偏移。

• RQ3：注入的 persona 如何影响 LLM 模拟的情感支持对话？

  • 主要发现： 将 persona traits 注入情感支持对话的生成过程，会改变策略的分布。带有 persona 的 LLM 模拟支持者 (supporters) 更倾向于通过提问深入理解寻求者的问题，并更温和地提供肯定和鼓励。人类评估也表明，带有 persona 的对话在建议有效性、安慰性和问题识别方面表现更优，并能引导更深入、更舒适的对话。

    这些发现突出了 persona-driven LLM 在创建更个性化、更具同理心和更有效的情感支持对话方面的潜力，对未来 AI 驱动的情感支持系统设计具有重要意义。

3. 预备知识与相关工作

3.1. 基础概念

• 大型语言模型 (Large Language Models, LLM)： 指的是参数量巨大、在海量文本数据上进行预训练的深度学习模型，它们能够理解、生成和处理人类语言，并在多种自然语言处理任务中表现出强大的泛化能力。
• 情感支持对话 (Emotional Support Conversations, ESC)： 指旨在帮助个体处理情感问题、减轻压力、提升心理健康的对话。在 AI 领域，通常指由 AI 系统生成或辅助进行的支持性对话。
• 角色设定 (Persona)： 在 AI 或对话系统设计中，persona 指的是赋予 AI 角色或虚拟用户一组特定的个性特征、背景信息、行为模式和社会人口统计学属性（如年龄、性别、职业、兴趣爱好等），以使其交互更具连贯性、个性化和真实感。
• 角色特质 (Persona Traits)： 构成 persona 的具体属性或维度，通常基于心理学量表进行量化，如个性（HEXACO）和沟通风格（CSI）。
• 心理测量量表 (Psychological Inventories)： 心理学中用于评估个体特定心理特征（如人格、情绪、能力等）的标准化工具。本研究中主要使用了 HEXACO 和 CSI。
  • HEXACO 模型 (HEXACO Model)： 一种广泛使用的人格特质框架，由六个主要维度组成：
    • 诚实-谦逊 (Honesty-Humility, $H$)： 衡量个体的真诚、公平、不贪婪、谦逊程度。
    • 情绪性 (Emotionality, $E$)： 衡量个体的恐惧、焦虑、依赖、多愁善感程度。
    • 外向性 (Extraversion, $X$)： 衡量个体的社交自信、活力、社交能力、乐观程度。
    • 宜人性 (Agreeableness, $A$)： 衡量个体的宽容、温和、灵活性、耐心程度。
    • 尽责性 (Conscientiousness, $C$)： 衡量个体的组织性、勤奋、完美主义、谨慎程度。
    • 经验开放性 (Openness to Experience, $O$)： 衡量个体的创造力、好奇心、审美敏感性、非常规性程度。
  • 沟通风格量表 (Communication Styles Inventory, CSI)： 一种评估个体沟通方式的工具，通常包含六个维度：
    • 表达性 (Expressiveness)： 衡量个体在沟通中情感流露的程度。
    • 准确性 (Preciseness)： 衡量个体在沟通中对信息准确性和精确性的关注程度。
    • 言语攻击性 (Verbal Aggressiveness)： 衡量个体在沟通中使用攻击性、对抗性语言的倾向。
    • 质疑性 (Questioningness)： 衡量个体在沟通中提问、探索信息和寻求澄清的倾向。
    • 情感性 (Emotionality)： 衡量个体在沟通中表达和处理情感的程度。
    • 印象操控性 (Impression Manipulativeness)： 衡量个体在沟通中有意图地管理和塑造他人对自己印象的程度。
• 情感支持策略 (Emotional Support Strategies)： 在情感支持对话中，支持者为帮助寻求者而采取的特定沟通技巧和方法。例如，提问、情绪反映、提供建议等。

3.2. 前人工作

• 心理测量学工具： 论文提及了多种经典心理学量表，如 Myers-Briggs Type Indicator (MBTI) (Briggs, 1976)、NEO-PI-R (Costa and McCrae, 2008) 和 Comrey Personality Scales (CPS) (Comrey, 1970)。其中，HEXACO 模型 (Ashton and Lee, 2009) 被本研究采纳，并指出其六个维度与 CSI (Norton, 1978; De Vries et al., 2013) 的六个沟通风格维度存在对应关系。
  • HEXACO 与 CSI 的对应关系（左侧为 HEXACO，右侧为 CSI）：
    • Extraversion (外向性) < - > Expressiveness (表达性)
    • Conscientiousness (尽责性) < - > Preciseness (准确性)
    • Agreeableness (宜人性) < - > Verbal Aggressiveness (言语攻击性)（注意此处为负相关，即宜人性高通常言语攻击性低）
    • Openness to Experience (经验开放性) < - > Questioningness (质疑性)
    • Emotionality (情绪性) < - > Emotionality (情感性)
    • Honesty-Humility (诚实-谦逊) < - > Impression Manipulativeness (印象操控性)（注意此处为负相关，即诚实-谦逊高通常印象操控性低）
• 情感支持对话数据集：
  • 早期工作主要关注在线平台的情感问答数据 (Medeiros and Bosse, 2018; Sharma et al., 2020b; Turcan and McKeown, 2019; Garg et al., 2022)，例如本研究使用的 CAMS (Garg et al., 2022) 和 Dreaddit (Turcan and McKeown, 2019)。这些数据集通常是单轮交互。
  • Empathetic Dialogue 数据集 (Rashkin et al., 2019) 引入了多轮对话，通过众包模拟同理心交互。
  • ESConv (Liu et al., 2021) 通过整合心理学理论中的情感支持策略，进一步推动了该领域发展，使聊天机器人能生成更具同理心和上下文适切性的回复。本研究也使用了 ESConv。
  • 后续研究在此基础上发展了图网络、组合策略、主动式对话系统等。
  • ExTES 数据集 (Zheng et al., 2024) 利用 LLM 生成大规模 ESC。
• 角色驱动的情感支持 (Persona-Driven Emotional Support)：
  • ESC 数据集 (Zhang et al., 2024) 将 persona 引入对话生成。
  • Zhao et al. (2024) 提出了从现有数据集中提取 personas 进行评估的框架。
  • Chatbots 也开始整合 personas 以生成个性化回复 (Tu et al., 2023; Ait Baha et al., 2023; Ma et al., 2024)。
  • LLM 自身个性特征的测量也取得进展 (Frisch and Giulianelli, 2024; Safdari et al., 2023)。

3.3. 技术演进

ESC 的发展经历了从简单的单轮问答，到多轮交互式对话，再到融入心理学策略和 persona 特征的复杂演进。

1. 早期数据收集： 从在线平台抓取情感问答数据，多为单轮、非结构化。
2. 多轮对话与同理心引入： 众包生成多轮对话，开始关注同理心。
3. 情感支持策略的整合： 引入心理学理论指导的特定情感支持策略，使 AI 回复更具专业性和有效性。
4. LLM 的崛起与数据生成： LLM 的强大生成能力被用于大规模合成 ESC 数据集，降低了成本，提升了可扩展性。
5. Persona 的引入与个性化： 认识到个体差异的重要性，将 persona 融入 ESC 生成，旨在创建更个性化、更贴合用户需求的对话。本研究正处于这一技术演进的前沿，专注于量化 persona 对 LLM 生成 ESC 的具体影响。

3.4. 差异化分析

本文的工作与现有研究的主要区别和创新点在于：

• 量化 Persona 影响： 之前的研究多集中于将 persona 简单地引入 ESC 生成，或测量 LLM 自身的个性特征。本研究则更进一步，利用成熟的心理测量框架（HEXACO 和 CSI）来量化和分析 persona traits 如何具体影响 LLM 生成的情感支持对话的稳定性、对话质量和策略分布。
• 三层分析框架： 论文通过三个研究问题，系统地探讨了 LLM 从 persona 推断特质的能力 (RQ1)、persona traits 在对话生成过程中的保持一致性 (RQ2)、以及 persona 对情感支持策略分配的实际影响 (RQ3)。这种分层、细致的分析是其创新之处。
• 双向验证： 不仅将 persona traits 注入 LLM 生成对话，还从生成的对话中反向提取 persona traits 进行比较，从而验证了 persona 在 LLLM 模拟对话中的一致性。
• 人类评估和案例研究： 通过人类评估和详细的案例研究，直观地展示了 persona 对对话质量（如建议有效性、安慰性、问题识别和整体表现）以及支持者沟通方式（如更多使用反问来引导反思）的积极影响。

4. 方法论

本研究旨在通过 LLM 模拟框架，系统地探究 persona 在 LLM 生成情感支持对话 (ESC) 中的作用。整个方法论分为三个主要部分，对应于三个研究问题：persona traits 的测量、persona 在对话生成中的一致性，以及 persona 对情感支持策略分布的影响。

4.1. 方法原理

研究的核心原理是利用大型语言模型 (LLM) 强大的语言理解和生成能力，使其能够：

1. 理解和量化角色特质： 将现实世界中描述角色的文本信息（persona cards）转化为心理学量表（HEXACO 和 CSI）上的量化分数，以捕捉其个性 (personalities) 和沟通风格 (communication styles)。

2. 生成角色驱动的对话： 基于量化后的 persona traits，指导 LLM 生成模拟的情感支持对话，使得对话内容和支持者的回复风格与 persona 保持一致。

3. 评估和分析： 通过比较注入前后的 persona traits 变化、分析对话中情感支持策略的分布，以及进行人类评估，来量化 persona 对 LLM 生成 ESC 的影响。

   整个流程如图1 (Figure 1) 所示，首先从现有数据集中提取 personas，然后评估 LLM 从这些 personas 推断稳定特质的能力。接着，比较从合成对话中提取的 personas 与原始 personas 的稳定性。最后，研究这些 personas 如何影响情感支持策略。

4.2. 核心方法详解

4.2.1. 数据集收集与角色设定提取 (Dataset Collection)

为了研究 LLM 生成的情感支持对话与 persona traits 之间的关系，研究首先从三个现有的非合成 ESC 数据集收集 seeker personas 作为参考：ESConv (Liu et al., 2021)、CAMS (Garg et0 al., 2022) 和 Dreaddit (Turcan and McKeown, 2019)。

• 基本角色信息提取： 使用 gpt-4o-mini 从数据集中提取寻求者的年龄 (age)、性别 (gender)、职业 (occupation)、社会人口学描述 (sociodemographic description) 和问题 (problem)。

  • 提取提示 (Prompt)： 图11 (Figure 11) 展示了用于从对话中提取基本 persona 的提示。

    
    ![Figure 11: Prompt for extracting the basic persona from the dialogue.](/files/papers/6901e60b84ecf5fffe471849/images/11.jpg)
    *该图像是文本示意图，展示了图11中用于从对话中提取支持者基本人物设定的提示模板，指导根据五个维度完成人物卡片。*
    
    

    该提示要求 LLM 基于提供的对话文本，以 JSON 格式输出寻求者的 age (年龄)、gender (性别)、occupation (职业)、sociodemographic_description (社会人口学描述) 和 problem (问题)。这些信息构成了基本的 persona card。

• 角色筛选： 提取后，再次使用 LLM（具体提示见图14 (Figure 14)）对 personas 进行过滤，确保它们包含个体的情绪和正在经历的事件，以及清晰的社会人口学背景，以提供全面的身份感。

  • 筛选提示 (Prompt)： 图14 (Figure 14) 展示了用于过滤 personas 的提示。

    
    ![Figure 14: Prompt for filtering personas.](/files/papers/6901e60b84ecf5fffe471849/images/14.jpg)
    *该图像是图14，展示了用于筛选人格的提示内容，具体要求评估社会人口学和问题描述是否符合标准，确保描述详尽且具备归类依据。*
    
    

    该提示要求 LLM 评估提供的 persona 是否符合两个条件：1) sociodemographic_description 包含明确的社会人口学背景（如年龄、性别、职业、教育背景、文化背景等），并且 problem 包含具体的情绪和事件；2) 两个描述之间没有矛盾。如果 persona 不符合，LLM 应返回 False 并说明原因；如果符合，则返回 True。

最终，共获得了 ESConv 的1,155个 personas、CAMS 的1,140个 personas 和 Dreaddit 的730个 personas。图2 (Figure 2) 展示了一个基本的 persona card 示例。

![Figure 12: Prompt for producing the best describes on HEXACO/CSI indicators.](/files/papers/6901e60b84ecf5fffe471849/images/12.jpg)
*该图像是论文中图12，展示了用于生成基于HEXACO/CSI指标最佳描述的提示模板，要求根据个体的社会人口统计信息描述六项指标的日常行为特点。*

图2 (Figure 2) 展示了一个23岁男性的 persona card 示例，包含年龄、性别、职业、社会人口学描述和所面临的问题。

4.2.2. 角色特质的测量 (RQ1)

本节旨在探究 LLM 能否从 persona cards 中推断出稳定的个性 (personality) 和沟通风格 (communication style) 特质。

• 心理学量表选择：

  • 个性评估： 采用 HEXACO-60 问卷 (Ashton and Lee, 2009) 来评估 persona cards 中代表的个性。HEXACO 模型包括六个维度：Honesty-Humility (诚实-谦逊)、Emotionality (情绪性)、Extraversion (外向性)、Agreeableness (宜人性)、Conscientiousness (尽责性) 和 Openness to Experience (经验开放性)。
  • 沟通风格评估： 采用 Communication Styles Inventory (CSI) (De Vries et al., 2013) 来评估沟通风格。CSI 包含六个维度：Expressiveness (表达性)、Preciseness (准确性)、Verbal Aggressiveness (言语攻击性)、Questioningness (质疑性)、Emotionality (情感性) 和 Impression Manipulativeness (印象操控性)。

• 理论关联： 根据 De Vries et al. (2013) 的研究，HEXACO 的每个维度与 CSI 的特定沟通风格维度之间存在最强的关联：

  • Extraversion < - > Expressiveness
  • Conscientiousness < - > Preciseness
  • Agreeableness < - > Verbal Aggressiveness
  • Openness to Experience < - > Questioningness
  • Emotionality < - > Emotionality
  • Honesty-Humility < - > Impression Manipulativeness 如果 LLM 能够推断出稳定的特质，那么通过问卷得出的个性分数和沟通风格分数之间的最强相关性应与上述理论相符。

• LLM 驱动的特质推断流程：

  1. 生成维度描述： 按照 Ji et al. (2024) 的方法，提示 LLM 根据提取的社会人口学信息，为 HEXACO 和 CSI 的每个维度生成描述。这些描述被整合到 persona cards 中。图12 (Figure 12) 展示了生成这些描述的提示。

     
     ![Figure 13: Prompt for answering HEXACO/CSI inventories based on persona.](/files/papers/6901e60b84ecf5fffe471849/images/13.jpg)
     *该图像是论文中Figure 13展示的示意图，描述了基于角色人格特质回答HEXACO/CSI问卷量表的提示模板，用以引导用户根据角色描述作出1至5分的数字评分。*
     
     

     该提示要求 LLM 基于提供的 persona 的社会人口学描述，生成关于其在 HEXACO 或 CSI 各个维度上可能表现出的日常行为特征，字数限制为100字。
  2. 问卷作答： 提示 LLM 使用完整的 persona card（包括社会人口学信息和维度描述）来回答 HEXACO 和 CSI 问卷。图13 (Figure 13) 展示了 LLM 回答问卷的提示。

     
     ![Figure 15: Prompt for extending personas from Persona Hub.](/files/papers/6901e60b84ecf5fffe471849/images/15.jpg)
     *该图像是论文中图15的截取部分，展示了用于从Persona Hub扩展人物设定的文本提示内容，指导生成个人的社会人口学描述。*
     
     

     该提示要求 LLM 扮演一个特定 persona，并对 HEXACO 或 CSI 问卷中的每个陈述进行1到5分的打分（1=非常不同意，5=非常同意），最终输出 JSON 格式的答案。
  3. 计算分数和相关性： 根据 LLM 的作答，计算每个 persona 在 HEXACO 和 CSI 各维度上的得分。然后，使用 Pearson correlation（皮尔逊相关系数）分析 HEXACO 和 CSI 维度之间的关系，以评估 LLM 推断特质的稳定性。
     • 皮尔逊相关系数 $r$ 的计算公式如下： $$r = \frac{\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n} (x_i - \bar{x})^2 \sum_{i=1}^{n} (y_i - \bar{y})^2}}$$ 其中：
       • $n$ 是样本对的数量。
       • $x_i$ 和 $y_i$ 是第 $i$ 个样本的两个变量的观测值。
       • $\bar{x}$ 和 $\bar{y}$ 分别是 $x$ 和 $y$ 变量的样本均值。
       • $r$ 的取值范围在 -1 到 1 之间，1 表示完全正相关，-1 表示完全负相关，0 表示无线性相关。
     • 符号解释：
       • $n$: 参与计算的 persona 数量（或数据点数量）。
       • $x_i$: 第 $i$ 个 persona 在 HEXACO 某个维度上的得分。
       • $y_i$: 第 $i$ 个 persona 在 CSI 某个维度上的得分。
       • $\bar{x}$: HEXACO 维度得分的平均值。
       • $\bar{y}$: CSI 维度得分的平均值。
       • $\sum$: 求和符号。
       • $\sqrt{}$: 平方根。

• 使用的 LLM： 实验在多个 LLM 上进行，包括开源模型 LLaMA-3.1-8B-Instruct 和闭源模型 GPT-4o-mini、Claude-3.5-Haiku。temperature 设置为0以获得稳定结果。

4.2.3. LLM 模拟情感支持对话中的角色一致性 (RQ2)

本节旨在探究 LLM 生成对话后，persona traits 能否保持一致性。图4 (Figure 4) 展示了这一过程的示意图。

![Figure 4: Diagram of the process for studying the persona consistency in LLM-simulated ESC.](/files/papers/6901e60b84ecf5fffe471849/images/4.jpg)
*该图像是论文中图4的示意图，展示了研究LLM模拟情感支持对话中人格一致性的流程，涉及原始人格输入、人格模拟器完成清单、人格提取、对话合成及结果评分比较。*

图4 (Figure 4) 展示了研究 LLM 模拟情感支持对话中 persona consistency 的流程：

1. Original Persona (Original Traits): 从 PersonaHub 提取初始 personas 并量化其 HEXACO 和 CSI 特质。
2. Persona Simulator (Generate Dialogues): 使用这些 personas 作为寻求者，提示 LLM 生成情感支持对话。
3. Persona Extractor (Extract Traits): 从生成的对话中再次提取寻求者的 persona 并量化其 HEXACO 和 CSI 特质。
4. Consistency Evaluator (Compare & Score): 比较原始特质与提取特质，评估 persona 的一致性。

• 实验设置：

  1. 选择和增强 Persona： 从 PersonaHub (Chan et al., 2024) 随机选择1,000个 personas。这些 personas 最初是简单描述，通过 LLM 进行扩展，添加社会人口学细节（年龄、性别、职业）和与 HEXACO 及 CSI 维度一致的特质指示性语句。图15 (Figure 15) 展示了扩展 persona 的提示。

     
     ![Figure 7: Comparison of HEXACO scores between the original persona and the one extracted from the dialogue generated by LLaMA-3.1-8B-Instruct.](/files/papers/6901e60b84ecf5fffe471849/images/7.jpg)
     *该图像是论文中图7的图表，展示了原始人格特质与从LLaMA-3.1-8B-Instruct生成的对话中提取的人格特质HEXACO得分的对比，体现了各维度上的得分分布差异。*
     
     

     该提示要求 LLM 扮演一个经验丰富的心理学家和人口统计学家，根据提供的简要 persona description 生成一个详细的社会人口学描述，包含年龄、性别、职业、文化背景、教育程度、社会经济地位，以及至少两句符合 HEXACO 和 CSI 维度特点的特质描述。
  2. 量化增强 Persona： 使用第4.1节所述方法，对增强后的 personas 生成 HEXACO 和 CSI 维度分数。
  3. 生成情感支持对话： 使用这些增强的 personas 作为寻求者，在上下文相关的场景中生成情感支持对话。例如，一个运动员讨论与伤病相关的情感挑战。图17 (Figure 17) 展示了根据给定 persona 生成情感支持对话的提示。

     
     ![Figure 9: Diagram of the process for studying the impact of persona on LLM-simulated ESC.](/files/papers/6901e60b84ecf5fffe471849/images/9.jpg)
     *该图像是论文中第9图的示意图，展示了研究角色设定对LLM生成情感支持对话影响的流程。图中比较了带有角色设定和不带角色设定的对话生成及其对应策略分布差异。*
     
     

     该提示要求 LLM 扮演一个富有同理心且专业的心理咨询师，与寻求者进行情感支持对话，并遵循一系列情感支持策略（提问、情绪反映、肯定和安慰、提供建议、自我披露、提供信息等）。LLM 需要根据提供的 persona 的社会人口学描述和问题来生成对话。
  4. 从生成对话中提取 Persona： 采用第3节概述的提取方法，从生成的对话中提取 persona characteristics。
  5. 量化提取 Persona： 根据提取的 persona 计算 HEXACO 和 CSI 分数。
  6. 一致性评估： 比较提取分数与原始 persona 分数，评估特质表示的一致性。

• 消融研究 (Ablation Study)： 为了研究 LLM 固有的个性特质如何影响情感支持对话生成，进行了一项比较分析：对话是有预定义 personas 注入 (with persona injection) 还是没有预定义 personas 注入 (without persona injection)。从生成的对话中提取隐含的 personas，并计算其相应的个性分数。通过 PCA（主成分分析）将这些分数投影到 2D 空间进行可视化，以观察 persona injection 对生成对话中个性特质分布的影响。

4.2.4. Persona 对 LLM 模拟情感支持对话的影响 (RQ3)

本节探究 persona 是否会影响情感支持策略在对话中的分布。图9 (Figure 9) 展示了这一过程的示意图。

![Figure 9: Diagram of the process for studying the impact of persona on LLM-simulated ESC.](/files/papers/6901e60b84ecf5fffe471849/images/9.jpg)
*该图像是论文中第9图的示意图，展示了研究角色设定对LLM生成情感支持对话影响的流程。图中比较了带有角色设定和不带角色设定的对话生成及其对应策略分布差异。*

图9 (Figure 9) 展示了研究 persona 对 LLM 模拟 ESC 影响的流程：

1. ESConv Dialogue History: 以 ESConv 对话作为历史。
2. Generate Dialogues: LLM 生成对话的延续，分为两种情况：with persona traits 和 without persona traits。
3. Strategy Extractor: 从生成的对话中提取所使用的情感支持策略。
4. Strategy Distribution Analyser: 分析两种情况下策略的分布差异。

• 实验设置：
  1. 对话延续生成： 使用 ESConv 对话作为历史，指示 LLM 预测一段时间后新对话将如何展开。每个未来对话生成两个版本：
     • 带 persona traits (w/PT)： 将 persona 特质（个性分数和沟通风格分数）注入生成过程。图16 (Figure 16) 展示了合成带 persona traits 对话的提示。

       
       ![Figure 8: Distribution of personality scores, reduced to 2D, obtained from dialogues w/o persona injection.](/files/papers/6901e60b84ecf5fffe471849/images/8.jpg)
       *该图像是一个图表，展示了未注入人格时对话中人格评分在二维空间的分布情况，使用圆点和三角形区分是否注入人格，表现出两者在分布上的差异。*
       
       

       该提示要求 LLM 扮演一个富有同理心且专业的心理咨询师，继续一个情感支持对话，并参考寻求者的 HEXACO 人格维度和 CSI 沟通风格得分来指导回复，同时遵循特定的情感支持策略。LLM 需要基于之前的对话历史，生成三天后的对话延续。
     • 不带 persona traits (w/o PT)： 不注入 persona 特质，仅基于对话历史生成。图18 (Figure 18) 展示了合成不带 persona traits 对话的提示。

       
       ![Figure 10: Case study. Blueindicates that the supporter directly provides emotional support.Greensignifies the supporter offers direct suggestions.Yellowmeans that the supporter provides suggestions…](/files/papers/6901e60b84ecf5fffe471849/images/10.jpg)
       *该图像是一个对比示例表，展示了带有人格标签与不带人格标签的情感支持对话内容，突出支持者在不同策略下的回复差异，内容通过颜色高亮区分情感支持、直接建议和引导反思。*
       
       

       该提示要求 LLM 扮演一个富有同理心且专业的心理咨询师，继续一个情感支持对话，并遵循特定的情感支持策略，仅基于之前的对话历史，生成三天后的对话延续。
  2. 情感支持策略分析： 对生成的对话进行情感支持策略的标注和统计，比较 w/PT 和 w/o PT 两种情况下的策略分布。情感支持策略的定义可在 Appendix G 中找到。
  3. 人类评估 (Human Evaluation)： 招募10名英语母语者，对随机选择的50组 w/PT 和 w/o PT 对话实例进行评估。评估指标包括：
     • 建议 (Suggestion)： 评估支持者提供有用建议的有效性。
     • 一致性 (Consistency)： 评估参与者是否始终保持其角色并表现出连贯的行为。
     • 安慰性 (Comforting)： 评估支持者向寻求者提供情感支持的能力。
     • 识别 (Identification)： 评估哪个支持者更深入地探究了寻求者的情况，更有效地识别问题。
     • 总体 (Overall)： 评估这两组对话的整体表现。

情感支持策略定义 (来自 Appendix G)：

• 提问 (Question)： 提出与问题相关的开放式或具体问题，以帮助寻求者阐明其问题并提供清晰度。
• 重述或意译 (Restatement or Paraphrasing)： 简洁地复述寻求者的陈述，以帮助他们更好地理解自身情况。
• 情绪反映 (Reflection of feelings)： 表达和澄清寻求者的情绪，以承认他们的感受。
• 自我披露 (Self-disclosure)： 分享相似的经历或情感，以建立同理心和联系。
• 肯定和安慰 (Affirmation and Reassurance)： 肯定寻求者的优点、动机和能力，并提供安慰和鼓励。
• 提供建议 (Providing Suggestions)： 在尊重寻求者自主权的前提下提供可能的解决方案。
• 信息 (Information)： 向寻求者提供有用的信息。
• 其他 (Others)： 寒暄和使用超出上述定义的策略。

5. 实验设置

5.1. 数据集

实验使用了三个现有的情感支持对话数据集 (ESConv, CAMS, Dreaddit) 来提取寻求者的 persona cards，并使用了 PersonaHub (Chan et al., 2024) 来生成增强 personas。

• ESConv (Liu et al., 2021)：

  • 数据类型： 多轮对话 (dialogue)。
  • 特点： 包含情感支持策略，旨在训练聊天机器人。
  • 提取的 personas 数量： 1,155。
  • 描述平均词数： 57.38。
  • 问题平均词数： 33.92。
  • 年龄信息数量： 901。
  • 性别信息数量： 417。
  • 职业信息数量： 926。

• CAMS (Garg et al., 2022)：

  • 数据类型： 问答 (QA)。
  • 特点： 源自 Reddit 上讨论心理健康问题的帖子。
  • 提取的 personas 数量： 1,140。
  • 描述平均词数： 66.42。
  • 问题平均词数： 32.02。
  • 年龄信息数量： 1,014。
  • 性别信息数量： 401。
  • 职业信息数量： 968。

• Dreaddit (Turcan and McKeown, 2019)：

  • 数据类型： 问答 (QA)。
  • 特点： 源自 Reddit 上用于压力分析的帖子。
  • 提取的 personas 数量： 730。
  • 描述平均词数： 56.68。
  • 问题平均词数： 27.75。
  • 年龄信息数量： 459。
  • 性别信息数量： 300。
  • 职业信息数量： 542。

• PersonaHub (Chan et al., 2024)：

  • 特点： 一个大型 persona 集合，用于在 RQ2 中生成多样化的 persona 描述，以测试 persona 的一致性。

    以下是原文 Table 1 的统计数据：

    Dataset	ESConv	CAMS	Dreaddit
    Data Type	dialogue	QA	QA
    Num. of personas	1,155	1,140	730
    Avg. words of desc.	57.38	66.42	56.68
    Avg. words of prob.	33.92	32.02	27.75
    Num. of age	901	1,014	459
    Num. of gender	417	401	300
    Num. of occupation	926	968	542

5.2. 评估指标

5.2.1. RQ1: 角色特质测量

• 皮尔逊相关系数 (Pearson Correlation Coefficient)：
  • 概念定义： 皮尔逊相关系数用于衡量两个变量之间线性关系强度和方向的统计量。在 RQ1 中，它用于评估 HEXACO 和 CSI 各维度得分之间的线性相关性，以验证 LLM 推断出的特质是否符合心理学理论中已知的强关联。
  • 数学公式： $$r = \frac{\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n} (x_i - \bar{x})^2 \sum_{i=1}^{n} (y_i - \bar{y})^2}}$$
  • 符号解释：
    • $n$: 参与计算的 persona 数量（或数据点数量）。
    • $x_i$: 第 $i$ 个 persona 在 HEXACO 某个维度上的得分。
    • $y_i$: 第 $i$ 个 persona 在 CSI 某个维度上的得分。
    • $\bar{x}$: HEXACO 维度得分的平均值。
    • $\bar{y}$: CSI 维度得分的平均值。
    • $\sum$: 求和符号。
    • $\sqrt{}$: 平方根。

5.2.2. RQ2: 角色一致性

• HEXACO 和 CSI 维度得分分布比较：
  • 概念定义： 通过可视化工具（如小提琴图）比较原始 persona 和从 LLM 生成对话中提取的 persona 在 HEXACO 和 CSI 各维度上的得分分布。这可以直观地展示 persona traits 在对话生成过程中的保持程度和任何潜在的偏移。
  • 数学公式： 无需特定数学公式，主要依赖于统计分布的可视化分析。
  • 符号解释： 无。

5.2.3. RQ3: 情感支持策略影响

• 情感支持策略分布 (Strategy Distribution)：

  • 概念定义： 统计不同情感支持策略（如提问、情绪反映、提供建议等，详见 Appendix G）在“带 persona traits”和“不带 persona traits”两种对话组中出现的频率或百分比，以分析 persona 对支持者沟通行为的影响。
  • 数学公式： $$\text{Strategy Percentage}_j = \frac{\text{Count of Strategy}_j}{\text{Total Strategies Used}} \times 100\%$$
  • 符号解释：
    • $\text{Count of Strategy}_j$: 策略 $j$ 在对话组中使用的总次数。
    • $\text{Total Strategies Used}$: 对话组中所有策略使用的总次数。

• 人类评估指标 (Human Evaluation Metrics)：

  • 概念定义： 招募人类标注者，根据以下五个维度对“带 persona traits”和“不带 persona traits”的对话进行比较评估，判断哪种对话表现更好。
  • 数学公式： 无需特定数学公式，结果以“胜/平/负”的百分比形式呈现。
  • 符号解释： 无。
  • 具体指标定义：
    • 建议 (Suggestion)： 评估支持者提供有用建议的有效性。高分表示建议有帮助、易于理解且切合寻求者需求。
    • 一致性 (Consistency)： 评估对话参与者是否始终保持其角色设定和行为模式，言行是否连贯。高分表示角色行为符合预期，没有突兀或矛盾之处。
    • 安慰性 (Comforting)： 评估支持者向寻求者提供情感支持、安抚和鼓励的能力。高分表示对话让寻求者感到被理解、被支持和情绪好转。
    • 识别 (Identification)： 评估支持者在多大程度上深入探究了寻求者的情况，并有效地识别出问题的核心。高分表示支持者能抓住问题关键，而非泛泛而谈。
    • 总体 (Overall)： 对两组对话的整体表现进行综合评估。高分表示对话在所有方面都表现出色，且令人满意。

5.3. 对比基线

• RQ1 (角色特质测量)：
  • 将 gpt-4o-mini 推断的 HEXACO 和 CSI 相关性与理论预期的相关性进行比较。
  • 将 gpt-4o-mini 的表现与 Claude-3.5-Haiku 和 LLaMA-3.1-8B-Instruct 的表现进行比较，以评估不同 LLM 在特质推断方面的准确性。
• RQ2 (角色一致性)：
  • 将 LLM 生成对话后提取的 persona traits 与原始注入的 persona traits 进行比较，评估一致性。
  • 消融研究中，将带 persona injection 生成的对话与不带 persona injection 生成的对话进行比较，以分离 persona 带来的影响。
• RQ3 (情感支持策略影响)：
  • 将带 persona traits 生成的对话中情感支持策略的分布与不带 persona traits 生成的对话中的策略分布进行比较。
  • 将使用 HEXACO 分数作为 persona 生成的对话策略分布与使用 CSI 分数作为 persona 生成的对话策略分布进行比较。
  • 人类评估中，直接比较两组（w/PT vs. w/o PT）对话在各项指标上的表现。

6. 实验结果与分析

6.1. 核心结果分析

6.1.1. RQ1: LLM 推断角色稳定特质的能力

实验结果表明，LLM 能够从 persona cards 中推断出与情感支持对话相关的稳定 persona traits。

• gpt-4o-mini 的卓越表现： 在 ESConv、CAMS 和 Dreaddit 这三个数据集上，gpt-4o-mini 在 HEXACO 和 CSI 的六个维度之间显示出最强的相关性，并且这些相关性与既定心理学理论的发现高度一致。例如，HEXACO 的 Extraversion 与 CSI 的 Expressiveness 之间存在最强的正相关。这表明 gpt-4o-mini 能够可靠地从 persona cards 推断出与情感支持对话相关的角色特质。
• 其他 LLM 的局限性： 相比之下，LLaMA-3.1-8B-Instruct 和 Claude-3.5-Haiku 在相关性分析中显示出一些不一致性。
  • LLaMA-3.1-8B-Instruct 错误地将 Verbal Aggressiveness 与 Extraversion 和 Conscientiousness 相关联，暗示更高的言语攻击性意味着更高的外向性，这与理论不符。
  • Claude-3.5-Haiku 错误地将 Questioningness 与 Conscientiousness 相关联，暗示更爱提问的寻求者更外向。 这些不一致性突显了这些模型在准确解释某些 persona traits 方面的潜在局限性。

以下是原文 Table 2, 3, 4 的结果： Table 2: Correlations between CSI and HEXACO from ESConv measured by gpt-4o-mini. P_value of all metrics are less than 0.01.

Table 3: Correlations between CSI and HEXACO from ESConv measured by Claude-3.5-haiku.

Table 4: Correlations between CSI and HEXACO from ESConv measured by LLaMA-3.1-8B-Instruct.

• 详细分析 Table 2 (gpt-4o-mini, ESConv)：

  • Extraversion (.54) 与 Expressiveness 呈现强正相关，符合理论预期。
  • Conscientiousness (.34) 与 Preciseness 呈现正相关，符合理论预期。
  • Agreeableness (-.39) 与 Verbal Aggressiveness 呈现负相关，符合理论预期（宜人性越高，言语攻击性越低）。
  • Openness to Experience (.47) 与 Questioningness 呈现强正相关，符合理论预期。
  • Emotionality (.45) 与 Emotionality (CSI) 呈现强正相关，符合理论预期。
  • Honesty-Humility (-.18) 与 Impression Manipulativeness 呈现负相关，符合理论预期（诚实-谦逊越高，印象操控性越低）。 总体而言，gpt-4o-mini 在所有理论预期的对应关系上都表现出最强的相关性，且方向正确。

• 详细分析 Table 3 (Claude-3.5-haiku, ESConv)：

  • Extraversion (.63) 与 Expressiveness 呈现强正相关，符合理论预期。
  • Conscientiousness (.48) 与 Preciseness 呈现正相关，符合理论预期。
  • Agreeableness (-.59) 与 Verbal Aggressiveness 呈现强负相关，符合理论预期。
  • Openness to Experience (.46) 与 Questioningness 呈现强正相关，符合理论预期。
  • Emotionality (.32) 与 Emotionality (CSI) 呈现正相关，符合理论预期。
  • Honesty-Humility (-.42) 与 Impression Manipulativeness 呈现强负相关，符合理论预期。 Claude-3.5-haiku 的表现也相当好，但一些次要相关性可能不如 gpt-4o-mini 那么清晰。

• 详细分析 Table 4 (LLaMA-3.1-8B-Instruct, ESConv)：

  • Extraversion (.28) 与 Expressiveness 呈现正相关，但强度不如其他模型。
  • Conscientiousness (.55) 与 Preciseness 呈现强正相关，表现良好。
  • Agreeableness (-.19) 与 Verbal Aggressiveness 呈现负相关，但强度较弱。
  • Openness to Experience (.32) 与 Questioningness 呈现正相关，但强度不如其他模型。
  • Emotionality (.48) 与 Emotionality (CSI) 呈现强正相关，表现良好。
  • Honesty-Humility (-.20) 与 Impression Manipulativeness 呈现负相关，但强度较弱。 LLaMA-3.1-8B-Instruct 的相关性普遍较弱，且其结果中出现了论文中提到的“不一致性”，例如 Extraversion 与 Verbal Aggressiveness 的相关性 (-.21) 在某些情况下可能被错误解读或与其他因素混淆。

6.1.2. RQ2: LLM 模拟情感支持对话中的角色一致性

实验结果显示，原始 personas 和从生成对话中提取的 personas 在大多数 HEXACO 维度上保持了相似的分布，但 Emotionality (情绪性) 和 Extraversion (外向性) 存在微妙的偏移。

• HEXACO 分数比较：
  • 图5、图6、图7（原文 Figure 5, 6, 7）展示了 gpt-4o-mini、Claude-3.5-haiku 和 LLaMA-3.1-8B-Instruct 生成对话后，原始 persona 和提取 persona 的 HEXACO 分数对比。
  • 在 Honesty-Humility (诚实-谦逊)、Agreeableness (宜人性)、Conscientiousness (尽责性) 和 Openness to Experience (经验开放性) 这四个维度上，原始 persona 和提取 persona 的分数分布非常相似，表明这些特质在对话生成中保持了良好的一致性。
  • 然而，提取出的 personas 倾向于表现出更高的 Emotionality (情绪性) 和更低的 Extraversion (外向性)。这被解释为，寻求者在情感支持对话中通常是带着情感问题而来，这使得他们在对话中自然地表现出更多情感和更少的“外向”行为。
• CSI 分数比较：

  • Appendix E 中的图19、图20、图21（原文 Figure 19, 20, 21）展示了 CSI 分数也有类似模式。这进一步支持了 persona traits 在合成情感支持对话中总体保持一致，但存在与情境相关的轻微偏移的结论。

    以下是原文 Figure 5, 6, 7 的结果：

![Figure 17: Prompt for generating emotional support dialogue based on the given persona.](/files/papers/6901e60b84ecf5fffe471849/images/17.jpg)
*该图像是图17，展示了基于给定人物设定生成情感支持对话的提示词示意框，包含对话模拟指令、情感支持策略定义及社会人口学描述模板。*

图5 (Figure 5) 展示了 gpt-4o-mini 生成对话后，原始 persona 和提取 persona 的 HEXACO 分数对比。可以观察到 Emotionality 略有上升，Extraversion 略有下降，其余维度分布保持相似。

![Figure 18: Prompt for synthesizing dialogues without persona traits.](/files/papers/6901e60b84ecf5fffe471849/images/18.jpg)
*该图像是图18，展示了用于合成无角色特征对话的提示模板，内容涉及情景设定、对支持者回复的策略要求及对话历史格式。*

图6 (Figure 6) 展示了 claude-3.5-haiku 生成对话后，原始 persona 和提取 persona 的 HEXACO 分数对比。同样，Emotionality 略有上升，Extraversion 略有下降。

![该图像是一个小提琴图，展示了原始人格特质与提取出的人格特质在情感支持对话中的分布对比，涉及表达性、准确性、言语攻击性、质疑性、情感性和印象操控性等维度。](/files/papers/6901e60b84ecf5fffe471849/images/19.jpg)
*该图像是一个小提琴图，展示了原始人格特质与提取出的人格特质在情感支持对话中的分布对比，涉及表达性、准确性、言语攻击性、质疑性、情感性和印象操控性等维度。*

图7 (Figure 7) 展示了 LLaMA-3.1-8B-Instruct 生成对话后，原始 persona 和提取 persona 的 HEXACO 分数对比。趋势与其他模型类似，Emotionality 和 Extraversion 发生偏移。

6.1.3. RQ3: Persona 对 LLM 模拟情感支持对话的影响

• 情感支持策略分布：

  • 带 persona traits 对话的特点： 如 Table 5 和 Table 6 所示，对于 gpt-4o-mini 和 Claude-3.5-haiku，带有 persona traits 的对话中，支持者倾向于更多地使用 question（提问）、affirmation and reassurance（肯定和安慰）策略。这表明 persona 的注入鼓励支持者更深入地了解寻求者的问题，并提供更有效的安慰。

    • gpt-4o-mini (w/PT vs. w/o PT): question 从 16.45% 增加到 27.23%；affirmation and reassurance 从 21.06% 增加到 29.72%。
    • claude-haiku-3.5 (w/PT vs. w/o PT): question 从 27.31% 增加到 33.10%；affirmation and reassurance 从 17.41% 增加到 19.32%。

  • 不带 persona traits 对话的特点： 相比之下，不带 persona traits 的对话中，支持者更侧重于 restatement or paraphrasing（重述或意译）、self-disclosure（自我披露）和 information（提供信息）。先前的研究 (Meng and Dai, 2021) 表明，在缺乏情感支持且未建立清晰界限的情况下，自我披露的聊天机器人表现不佳。

  • LLaMA-3.1-8B-Instruct (Table 7) 的策略分布差异不如其他模型显著，但趋势仍然一致，例如 affirmation and reassurance 略有增加。

    以下是原文 Table 5, 6, 7 的结果： Table 5: Strategy distribution on two different groups of synthesized dialogues by gpt-4o-mini, one generated with persona traits (PT), the other without.

Table 6: Strategy distribution on two different groups of synthesized dialogues by claude-haiku-3.5.

Table 7: Strategy distribution on two different groups of synthesized dialogues by LLaMA-3.1-8B-Instruct.

• 人格分数与沟通风格分数对策略分布的影响： Table 8 展示了仅使用 HEXACO 分数或仅使用 CSI 分数作为 persona 生成对话时，策略分布的相似性。这归因于这两个特质测量之间的高度相关性（如 RQ1 所示）。

  以下是原文 Table 8 的结果： Table 8: Strategy distribution on two different groups of synthesized dialogues, one generated with HEXACO scores, the other with CSI scores.

• 人类评估： Table 9 显示，除了“一致性”指标外，带有 personas 生成的对话在所有指标上都优于没有 personas 生成的对话。
  • 胜 (Win) 指带 persona 对话优于不带 persona 对话。
  • 平 (Tie) 指两者表现相似。
  • 负 (Loss) 指不带 persona 对话优于带 persona 对话。
  • Suggestion (建议): 38% vs 35% (胜出)。
  • Comforting (安慰性): 38% vs 34% (胜出)。
  • Identification (识别): 37% vs 33% (胜出)。
  • Overall (总体): 39% vs 34% (胜出)。 这表明注入 persona 能够显著提升对话的质量。研究者认为，带有 personas 的对话在利用反问句识别寻求者问题和温和提供建议方面表现更好，使得对话更深入、更具安慰性。

以下是原文 Table 9 的结果： Table 9: Human evaluation compares dialogues generated with and without personas. Win indicates that the dialogues generated with persona outperforms the one generated without persona on the given indicator.

6.1.4. 对话生成统计：

Table 16 展示了生成对话的统计数据。

• 对话总词数 (Total Words) 和总轮次 (Total Turns)： 带有 persona 的对话总轮次较少（10,398 vs 12,666），但总词数略少（218,433 vs 232,674）。
• 平均每轮词数 (Avg Words (Total))： 带有 persona 的对话平均每轮词数更高（21.01 vs 18.37）。
• 寻求者和支持者平均每轮词数： 带有 persona 的对话中，寻求者（17.62 vs 14.91）和支持者（24.40 vs 21.82）的平均每轮词数都更高。 这与定性发现（如案例研究）一致：persona-guided 的支持者会提出更有针对性的问题，导致寻求者提供更实质性的回复，从而实现更高效、深入的对话，即使总轮次更少。

以下是原文 Table 16 的结果： Table 16: Statistics of generated dialogues.

6.2. 消融实验/参数分析

6.2.1. Persona 注入的消融研究 (Ablation Study of Persona Injection)

本研究通过消融实验，比较了有 persona 注入和无 persona 注入的对话。

• 图8 (Figure 8) 展示了两种情况下，从对话中提取的个性分数在 PCA 降维到 2D 空间的分布。

![Figure 19: Comparison of CSI scores between the original persona and the one extracted from the dialogue generated by gpt-4o-mini.](/files/papers/6901e60b84ecf5fffe471849/images/20.jpg)
*该图像是论文中图19的图表，展示了原始人格特质与从gpt-4o-mini生成对话中提取的人格特质CSI评分的对比。图中通过小提琴图展示了七种人格特质的评分分布与差异。*

图8 (Figure 8) 展示了对话中人格得分的分布，降维到二维空间后，没有注入 persona 的对话（红色点，w/o persona injection）分布更为集中，而注入了 persona 的对话（蓝色三角形，w/ persona injection）分布范围更广。

• 结果分析：
  • 没有 persona 注入的对话，其隐含的个性分布更为集中。这表明 LLM 自身在没有明确指导时，倾向于表现出某种“平均”或“默认”的个性特征。
  • 注入了 persona 的对话，其个性分布范围更广。这强有力地表明，外部提供的 personas 能够显著影响 LLM 在对话生成中表现出的个性特质，从而引导和塑造对话生成过程，使其更具多样性。这验证了 persona injection 的有效性。

6.3. 案例研究

图10 (Figure 10) 展示了一个案例研究，对比了带 persona 和不带 persona 生成的对话。

![Figure 2: An example of persona card.](/files/papers/6901e60b84ecf5fffe471849/images/2.jpg)
*该图像是论文中的示意图，展示了一个人物卡片的例子，描述了一个23岁男性的社会人口统计信息及其心理健康问题，文字内容包括年龄、性别、职业及其所遭遇的心理困境。*

图10 (Figure 10) 对比了带 persona 和不带 persona 的对话，其中蓝色表示直接提供情感支持，绿色表示直接提供建议，黄色表示通过反问句或引导寻求者反思来提供建议。

• 案例分析： 在这个案例中（详细的 persona card 和对话历史见 Appendix F 中的图22 (Figure 22) 和图23 (Figure 23)），虽然两种对话都提供了相同程度的直接情感支持，但带有 persona 的对话（w/ persona）更倾向于使用反问句来鼓励寻求者反思和深入探索问题内容，并更委婉地提供建议（黄色标注）。相比之下，不带 persona 的对话（w/o persona）则更倾向于直接给出肯定或建议（绿色标注）。
  • 心理学解释： 在心理学中，当信息与接收者高度相关且接收者有动力处理时，反问句可以增强弱论证的劝说力 (Petty et al., 1981)。情感支持常被视为一种弱论证 (Petty and Cacioppo, 2012)，因此在支持者回复中加入反问句，可以使其更易被寻求者接受，并促进更深入、更有意义的对话。
• 结论： 这个案例研究突出了 persona 在提升对话生成质量方面的作用，特别是它能引导 LLM 采取更具策略性和同理心的沟通方式。

7. 总结与思考

7.1. 结论总结

本研究通过一项严谨的分析性实验，深入探讨了 persona 在大型语言模型 (LLM) 生成情感支持对话 (ESC) 中的影响。研究证实了 LLM 能够从 personas 中推断出稳定的特质，并且这些 persona traits 在对话生成过程中大部分保持一致，但寻求者因情境需求（处理情感问题）会在情绪性和外向性方面产生微妙偏移。最重要的是，persona 的注入不仅提升了回复的同理心质量，还显著改变了情感支持策略的分布。带有 persona 的 LLM 模拟支持者更倾向于通过提问来深入理解问题，并以更温和、更具策略性的方式提供肯定和鼓励，从而实现更个性化、更有效和更深入的对话。这些发现为未来 AI 驱动情感支持系统的设计提供了宝贵的见解，指明了 persona-driven LLM 在创建更具人性化交互方面的巨大潜力。

7.2. 局限性与未来工作

论文作者指出了本研究的以下局限性，并展望了未来的研究方向：

• LLM 输出的潜在偏差： 本研究依赖于 LLM 的输出，这引入了模型训练数据固有的潜在偏差。这些偏差可能影响了 personas 的提取和模拟，从而可能影响与真实人类相比结果的准确性。未来的研究需要调查 LLM 固有偏差对 persona 提取和基于 personas 的对话模拟的影响。
• 全知视角 (Omniscient Perspective)： 本研究在数据生成过程中采用了全知视角，即寻求者和支持者都可以访问完整信息。尽管这种方法在现有研究中很常见 (Zheng et al., 2023, 2024)，但它并未完全反映现实世界对话的动态。
• 未来工作方向： 未来的研究可以通过为每个角色模拟不同的信息状态来提高真实性，从而更好地反映现实世界中的对话情境。

伦理考量 (Ethical Considerations)： 论文强调了 LLM 生成情感支持对话的伦理问题。

• 误解和情感伤害风险： LLM 可能会错误解读或误报用户 persona，导致意外的情感伤害。
• 知情同意与期望管理： 用户必须清楚地知道他们正在与聊天机器人而非人类互动，以管理期望并避免误导性的情感依恋。
• 依赖与专业帮助： persona 的引入可能使 LLM 看起来更像人类，增加用户对聊天机器人的依赖，而非寻求专业的心理帮助。因此，建立保障机制以在严重痛苦的情况下引导用户寻求人类援助至关重要。
• 偏见、操纵和依赖风险： LLM 识别和利用 personas 的能力也继承了社会偏见、情感操纵和对 LLM 生成支持的依赖等问题。
• 研究目的和部署限制： 作者强调，这项研究仅应被视为学术目的，在未采取额外保障措施的情况下，不能部署到现实生活中的情感支持场景。 作者承诺将继续改进 ESC 聊天机器人，以最大程度地减少偏见，提高透明度，并支持开发更具适应性和道德规范的情感支持聊天机器人。

7.3. 个人启发与批判

• 个人启发：

  1. Persona 价值的量化验证： 本研究最主要的启发在于，它不仅仅停留在“persona 有用”的直觉层面，而是通过严谨的心理测量框架和量化指标，扎实地验证了 persona 对 LLM 生成对话的积极影响。特别是 gpt-4o-mini 在特质推断上的出色表现，预示着 LLM 在理解和模拟人类复杂心理特征方面的巨大潜力。
  2. 细致的对话策略指导： persona 不仅仅影响对话内容，更深层次地影响了支持者采用的情感支持策略。例如，更多的提问和肯定，更少的自我披露，这些都是专业心理咨询中非常关键的技巧。这为未来设计更智能、更具同理心的 AI 咨询师提供了具体指导。
  3. 情境性偏移的洞察： 寻求者在情感支持对话中表现出更高的情感性和更低的外向性这一发现，非常有价值。它提醒我们在设计 AI 系统时，不仅要考虑静态的 persona，还要结合具体的对话情境来动态调整 AI 的行为模式，使其更符合人类心理预期。
  4. LLM 在心理学研究中的潜力： 本文展示了 LLM 不仅是语言生成工具，也可以作为心理学研究的“模拟器”或“测量工具”，用于探索复杂的心理现象，这为跨学科研究开辟了新的路径。

• 批判与可改进之处：

  1. LLM 偏差的深层分析： 论文提到了 LLM 固有的偏差，但缺乏对这些偏差如何具体影响 persona 提取和对话生成的深层分析。例如，不同的 LLM 是否对某些 HEXACO 或 CSI 维度有其固有的“偏好”或“刻板印象”？这些偏见是否可能导致某些 persona 被不准确地模拟？未来的研究可以进行对照实验，通过人类专家对 LLM 提取的 persona 进行校验，从而量化偏差。
  2. “全知视角”的解决方案： 全知视角确实是模拟的局限。未来的工作可以尝试引入信息不对称机制。例如，支持者 LLM 只能访问部分历史对话和寻求者当前的情绪状态，而不能直接访问寻求者的完整 persona card。这样更接近真实咨询场景，支持者需要通过提问和观察来逐步构建寻求者的心理模型。
  3. 长期对话效果与用户反馈： 本研究主要关注单次或短期的对话生成。在真实的情感支持中，建立信任和长期关系至关重要。未来的研究可以探索 persona-driven LLM 在多轮、长时间交互中的表现，并通过真实用户反馈来评估其长期效果和用户满意度，包括对依赖性的担忧。
  4. 伦理保障的工程化实现： 论文提及了重要的伦理考量，但更多是原则性的。未来的工作可以探讨如何将这些伦理原则转化为可操作的工程化保障措施，例如：在 AI 每次回复中明确提示其为机器人、设置情绪阈值以触发人工干预、以及在设计 persona 时避免诱导性或操纵性特征。
  5. 跨文化 Persona 的泛化性： 心理学量表和 persona 描述可能带有文化特异性。本研究主要基于英语语料，其结论在其他文化背景下是否成立，需要进一步验证。未来的研究可以探索多语言、跨文化 persona 对 ESC 生成的影响。