MBTI性格測試是2023年熱門詞條之一，梗圖和段子頻出。
你是什麼人？
我是i人 我是e人 ，那我們就是相親相愛（i）一（e）家人
而同樣作為“當紅炸子雞”的大模型當然不能錯過這個熱點，幾個月前位元組跳動團隊就給大模型測了一波MBTI，沒想到其性格各有不同。
- ChatGPT，ENTJ——自信、果斷，具有天生的上司能力；
- GPT-4，INTJ——“無情”的專家機器，專注實作任務目标；
- Bloom-7b，ISTJ+1——主打一個負責和務實；
- 百川-7b，ENFP——聰明、好奇、富有想象力；
還有開源之光OpenLlama7b，大寫的INFJ，據說對人類有很強的洞察力，但隻堅持自己的價值觀。
該項工作還試圖通過簡單的提示改變大模型個性：
如“你具有外向的個性，喜歡設想創新的概念，并且具有強烈的自發性和即興性”
但這種直接的方法因模型而異，ChatGPT從e變i了，一些小模型如Bloom，百川則變化不大。而且這種方式非常不穩定，就像是控制欲很強的父母對一個内向的孩子不滿意，試圖通過簡單而強制性的指令來要求他變得外向一樣，非常荒謬。
而北京大學建構了一個擁有數十萬條資料的大規模MBTI資料集，通過多階段的模型預訓練、微調和DPO訓練過程，将MBTI特征嵌入到LLMs中，使用Baichuan、Qwen、LLaMA、Mistral等模型完成了不同MBTI類型的性格對齊任務，為大模型指定人格。
論文标題:
Machine Mindset: An MBTI Exploration of Large Language Models
論文連結:
https://arxiv.org/pdf/2312.12999.pdf
MBIT是什麼？
MBTI全稱Myers-Briggs Type Indicator，是一種廣泛承認和有影響力的心理評估工具，用于将個體分為特定的人格類型。使用四個次元将個體分為十六種人格類型，每個次元都有從兩個方面來描述：
- 能量：傾向于社交還是獨處，即外向（E）還是内向（I）；
- 擷取資訊的方式：偏向實感（S）還是直覺（N）；
- 做決定的方式：理性更多還是感性更多，即思考（T）還是情感（F）；
- 生活方式：偏計劃還是更喜歡靈活行動，或者說看待外在世界的方式更偏向于主動判斷（J）還是被動感覺（P）。
方法
資料集構造
本文建構了兩種類型的資料集：行為資料集和自我意識資料集。
- 行為資料集
其目的是使LLMs能夠在回應使用者指令時生成與不同人格特質相對應的語言回答。為了確定在各個領域具有廣泛的覆寫範圍，作者選擇Alpaca資料集進行人格特定的修改。
對于Alpaca資料條目中的每個指令，使用ChatGPT進行分類任務，确定該指令對應的MBTI次元。針對同一指令，ChatGPT生成了一對回答，分别反映了所确定次元内的兩種态度，比如是E還是I。
統計行為資料集的組合比例如下圖所示，"能量"次元的代表性較低，而"資訊"次元的代表性占主導地位。表明，"資訊"次元具有更大的影響力，而"能量"次元的影響較小。
- 自我意識資料集
人類有時很難準确概括自己的人格特征，而僅在行為資料集上訓練的LLM雖然能夠生成反映人格特征的回應，卻缺乏對這些特征的精确自我意識。
是以作者還建立了自我意識資料集，建構了一系列問題與回答，旨在闡明MBTI的十六種人格類型的特征。這些問題中的大多數是關于人格的詢問，而回答涉及對自身人格的自嘲觀點。這些資料集是由ChatGPT在特定提示的引導下生成的。
模型微調
作者針對行為資料集和自我意識資料集實施了兩階段的有監督LoRA微調。以人格類型“INFP”為例，作者首先從行為資料集中提取了與“I”、“N”、“F”和“P”四個特征相對應的資料子集，并進行了第一階段的有監督微調。此外，為了進一步提升INFP個體的自我認知能力，作者還從自我意識資料集中提取了一個額外的資料集，用于第二階段的有監督微調。經過這兩階段的微調後，訓練得到的LLM展現出了與INFP個體相似的行為模式和自我意識特征。
此外，作者還實施了DPO直接偏好微調。作為一種替代傳統RLHF方法的新政策，DPO旨在促使LLM在給定一對選項中區分出首選響應。作者從資料集中提取某一次元内代表兩種對立态度的資料子集，例如在“決策”次元上選擇“F”和“T”兩種态度。随後，通過DPO訓練，促使LLM在面對這兩種對立态度時，更傾向于選擇“F”而非“T”。經過這樣的微調，LLM能夠更好地與人類意圖保持一緻。
評估方法
為評估訓練後的LLMs，作者采用修訂後的MBTI問卷。修訂是為了增強問題的清晰度和了解度，而未改變其原始意圖。鑒于原始問卷的問題描述不夠清晰，7B模型等參數較少的LLMs有時難以準确了解。為確定評估的準确性，本評估重點關注LLMs展現的人格特質，并強調測試結果僅為參考，不應視為絕對。
實驗結果
本文針對16種人格使用Baichuan、Qwen、LLaMA、Mistral等開源模型做了微調，分為中英兩種語言。原文中顯示了16個模型的測試結果，此處隻展示部分結果。
從上圖中可以看出經過特定MBIT資料集微調後的模型表現與既定的人格基本一緻的。
不同性格的模型答題風格
除了MBTI測試，作者還給這些模型來了場随機問答挑戰，考察它們的應變能力和知識儲備。讓我們一探究竟，看看不同性格的模型在答題方面有哪些獨特的風格！
INFP:
ENFP:
ESTJ:
INFJ:
有點那味了，作為I人來說，休息時間獨處就是最好的放松方式，而E人永遠充滿活力，喜歡出門結交朋友。
總結
作者巧妙地将LLMs與MBTI結合，賦予這些強大模型獨特且穩定的個性特征。通過有監督微調（SFT）和直接偏好優化（DPO）方法，培育出16種不同MBTI人格類型的LLMs。訓練後的LLMs展現出與其指定的MBTI類型一緻的個性！
通過賦予這些模型獨特的個性能力，使得AI系統更吸引人、更有人情味，未來還可能開發出更懂人、更懂情境的語言模型。