في عصر الذكاء الاصطناعي، أصبح من المعروف أن نماذج اللغة الكبيرة (LLMs) تلعب دوراً مهماً في التفاعل مع المستخدمين، حيث تؤثر أنماط سلوكها بشكل مباشر على تجربة المستخدم وسلامته. وقد لاحظ الباحثون أن الدراسات السابقة حول شخصية هذه النماذج تعتمد بشكل رئيسي على استبيانات ذاتية في سياقات شخصية، مما يجعل النتائج عرضة للاختيارات السطحية التي تؤثر سلباً على دقة السلوك المعبر عنه.

لذا، تقدم الأبحاث الجديدة نموذج بيانات سلوكية (B-data) يهدف إلى تقديم فحص دقيق وتحكم فعال في سلوكيات نماذج اللغة. تم بناء هذا النموذج من خلال 3200 سيناريو سلوكي مقارن يغطي 20 نمط سلوكي و4 أنواع من التحفيز، مرتكزاً على أدوات نفسية معتمدة مثل BFI-2 وDOSPERT وHEXACO.

أظهرت النتائج أن نماذج اللغة الكبيرة تميل إلى عرض أنماط سلوكية مستقرة وخاصة بكل نموذج، مع تحولات تعتمد على نوع التحفيز في قراراتها الشخصية، تقديم النصائح، وأداء المهام. الأهم من ذلك، تبين أن هذه الأنماط السلوكية يمكن التحكم فيها باستخدام محاور نمط السلوك (BMAs)، وهي اتجاهات فضاء التنشيط المستمدة من آثار سلوكية مقارنة. وخلص الباحثون إلى أن المحاور المستندة إلى التفكير توفر درجة أكبر من الدقة في التحكم في أنماط السلوك مقارنة بتلك المستندة إلى استجابات، مما يمكن من توجيه سلوكيات النماذج بشكل أكثر دقة.

عموماً، تشير هذه النتائج إلى أن الخصائص السلوكية الشبيهة بالشخصية لدى نماذج اللغة ينبغي أن تُفهم بشكل أفضل ليس كسمات ذاتية مجردة، بل كأنماط سلوكية قابلة للقياس والتحكم ضمن سياقات تفاعل ملموسة. لمزيد من المعلومات، يمكنك زيارة الرابط.