Personality as Relational Infrastructure: User Perceptions of Personality-Trait-Infused LLM Messaging

这是一份关于论文《Personality as Relational Infrastructure: User Perceptions of Personality-Trait-Infused LLM Messaging》（作为关系基础设施的人格：用户对融入人格特质的大语言模型消息的感知）的详细技术总结。

1. 研究背景与问题 (Problem)

核心问题：
在数字行为改变系统（如健康干预）中，个性化通常被概念化为消息级别的优化（即针对单次交互调整内容以提高即时接受度）。然而，现有的个性化干预往往难以维持长期的用户参与度（“新颖性效应”消退）。
本研究旨在解决一个根本性的未解之谜：个性化究竟是通过优化单次消息的即时评价起作用，还是通过多次交互中暴露的“模式”来塑造用户的整体感知？

具体研究问题 (RQs)：

1. RQ1 (消息层面/组内)： 将大五人格特质 (BFPT) 信息融入 LLM 生成的即时自适应干预 (JITAIs) 消息中，是否能提高用户对单条消息的评价？
2. RQ2 (用户层面/组间)： 接收更高比例的 BFPT 个性化消息，是否与用户对系统的整体感知更积极相关？
3. RQ3 (实现策略)： 不同的 LLM 生成策略（基线提示、少样本提示、微调、检索增强生成 RAG）在用户评价上是否存在显著差异？

2. 方法论 (Methodology)

研究设计：

• 类型： 受控的回顾性研究 (Controlled Retrospective Study)。
• 参与者： 90 名参与者（通过 Prolific 招募，要求有久坐习惯但有意愿进行体育活动）。
• 任务： 参与者回忆过去一周的 5 个特定时间点，填写详细的上下文信息（活动、情绪、压力、身体状态等）。
• 干预生成： 系统根据这些上下文，利用 LLM 生成即时自适应干预 (JITAIs)。
  • LLM 模型： 使用 ChatGPT-4o。
  • 生成策略 (4 种)：
    1. 基线提示 (Baseline Prompting)
    2. 少样本思维链 + 自一致性 (Few-Shot CoT-SC)
    3. 检索增强生成 (RAG)
    4. 监督微调 (Fine-Tuned)
  • 人格整合变量： 每种策略均分为“包含 BFPT"和“不包含 BFPT"两种情况。
  • 决策机制： LLM 首先独立判断是否发送消息（基于上下文适宜性），若发送则生成内容。
• 评估： 参与者对生成的消息在多个维度进行评分（7 点李克特量表），包括感知个性化、适宜性、专业性、参与度、有效性以及情感反应（积极/消极情绪）。

数据分析方法：

• 统计模型： 贝叶斯有序多层回归模型 (Bayesian Ordinal Multilevel Models)。
• 关键分解技术： 采用 Within-Between Decomposition (组内 - 组间分解)。
  • 组内效应 (Trial-level)： 考察同一参与者收到“个性化消息”与“非个性化消息”时的评价差异（即时优化效果）。
  • 组间效应 (Person-level)： 考察不同参与者接收到的“个性化消息比例”与其整体评价之间的关系（累积暴露效果）。
• 控制变量： 严格控制了上下文特征（如当前活动、健康状况）和人格特质，以排除混淆因素。

3. 关键贡献 (Key Contributions)

1. 实证发现“消息级”与“剂量级”效应的解耦： 提供了证据表明，基于人格的个性化在 LLM 生成的 JITAIs 中，并不显著改善单条消息的即时评价，但显著改善了用户接收高比例个性化消息后的整体系统感知。
2. LLM 生成策略的等效性： 发现资源密集型策略（如微调、RAG）在主要效果上并未优于简单的基线提示。这表明对于人格整合任务，提示工程的一致性可能比模型架构的复杂性更重要。
3. 提出“关系基础设施” (Relational Infrastructure) 概念： 将稳定的人格特质（如大五人格）定义为一种基础设施，用于支撑系统在多次交互中保持一致的“适应姿态”。这拓宽了设计焦点，从“单条消息优化”转向“适应姿态的一致性与持久性”。

4. 主要结果 (Results)

统计发现：

• 组内效应 (Trial-level)： 无显著关联。 所有结果的 97% 高密度区间 (HDI) 均跨越零。这意味着对于单个用户，收到一条个性化消息并不会比收到非个性化消息获得更高的即时评分。
• 组间效应 (Person-level)： 显著且实质性。 接收更高比例 BFPT 消息的参与者，对系统的评分显著更高：
  • 感知个性化： 更高 (β ≈ 3.56 - 3.73)。
  • 消息质量： 更适宜、更专业、更有效、更引人入胜 (β ≈ 3.24 - 5.66)。
  • 情感反应： 负面情绪（愤怒、烦恼、沮丧、悲伤、恐惧）显著降低 (β 为负值，如恐惧 β = -16.22)。
• 方差分解： 组内相关系数 (ICC) 显示，54% 至 81% 的评分方差源于参与者之间的差异（即稳定的个人基线），而非消息本身的波动。这证实了感知是由累积暴露模式主导的。
• 剂量 - 反应关系： 随着 BFPT 消息比例从 40% 增加到 57%，正面评价呈线性上升趋势，负面评价呈下降趋势。
• 生成策略差异： 不同 LLM 策略（基线、少样本、微调、RAG）之间没有发现一致的显著差异，且它们与 BFPT 暴露的交互作用也未呈现可解释的模式。

理论解释：
研究借用沟通适应理论 (Communication Accommodation Theory, CAT) 作为后验解释框架。CAT 认为，语言上的趋同（Convergence）是通过持续的互动建立信任和融洽关系的，而不是通过单次交换。这解释了为什么“累积暴露”比“单次优化”更有效：用户是在与一个具有稳定人格特征的“关系实体”互动，而非仅仅阅读单条消息。

5. 意义与启示 (Significance)

• 设计范式转变： 对于长期的人机交互（HAI）系统，设计重点应从“如何优化单条消息”转向“如何维持一致的人格适应姿态”。系统需要建立“关系基础设施”，确保在长周期内的人格表达一致性。
• 评估指标重构： 传统的即时响应指标（如单次点击率、单次满意度）可能无法捕捉个性化干预的真实价值。未来的评估需要结合纵向指标，关注累积暴露带来的关系质量变化。
• 资源效率： 在资源受限的场景下，简单的提示工程（Prompting）结合稳定的人格参数可能足以实现有效的个性化，无需昂贵的微调或复杂的 RAG 系统。
• 透明度与伦理： 如果个性化效果是累积且隐性的（用户可能未意识到单条消息被个性化，但整体感觉更好），这引发了关于知情同意和系统透明度的新讨论。
• 未来方向： 需要纵向现场研究（Longitudinal Field Studies）来验证这些回顾性发现，并探索不同文化背景下人格适应的机制。

总结：
该论文挑战了传统个性化干预“单点优化”的假设，证明了在 LLM 驱动的行为改变系统中，人格特质的价值在于其作为长期关系构建的“基础设施”作用。通过持续的人格一致性暴露，系统能够建立类似人类关系的信任与融洽，从而在宏观层面提升用户体验，而非在微观的单次消息层面产生立竿见影的效果。