Machine Mindset: An MBTI Exploration of Large Language Models

要約

私たちは、マイヤーズ ブリッグス タイプ インジケーター (MBTI) の性格特性を大規模言語モデル (LLM) に統合し、パーソナライズされた AI における性格の一貫性の課題に対処するための新しいアプローチを紹介します。
私たちの手法である「Machine Mindset」には、MBTI 特性を LLM に埋め込むための 2 フェーズの微調整と Direct Preference Optimization (DPO) が含まれます。
このアプローチにより、モデルがこれらの特性を確実に内面化し、安定した一貫した性格プロファイルを提供します。
さまざまなドメインにわたるモデルの有効性を実証し、モデルのパフォーマンスとそれぞれの MBTI 特性の間の整合性を示します。
この論文では、パーソナリティ データセットの開発における重要な貢献と、LLM におけるパーソナリティ統合のための新しいトレーニング方法論に焦点を当て、パーソナライズされた AI アプリケーションの可能性を高めています。
また、モデルとデータの一部を \url{https://github.com/PKU-YuanGroup/Machine-Mindset} でオープンソース化しました。

要約(オリジナル)

We present a novel approach for integrating Myers-Briggs Type Indicator (MBTI) personality traits into large language models (LLMs), addressing the challenges of personality consistency in personalized AI. Our method, ‘Machine Mindset,’ involves a two-phase fine-tuning and Direct Preference Optimization (DPO) to embed MBTI traits into LLMs. This approach ensures that models internalize these traits, offering a stable and consistent personality profile. We demonstrate the effectiveness of our models across various domains, showing alignment between model performance and their respective MBTI traits. The paper highlights significant contributions in the development of personality datasets and a new training methodology for personality integration in LLMs, enhancing the potential for personalized AI applications. We also open-sourced our model and part of the data at \url{https://github.com/PKU-YuanGroup/Machine-Mindset}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google