Multi-Personality Generation ofLLMat Decoding-time

Исследование предлагает метод (MPG/SCR) для создания у LLM сложных, многогранных личностей (например, персонаж из ролевой игры или тип личности по MBTI) без необходимости переобучать модель. Суть метода в том, чтобы в реальном времени комбинировать ответы от нескольких "узкоспециализированных" моделей, каждая из которых отвечает за одну черту характера.

Ключевой результат: Можно гибко управлять личностью LLM, смешивая разные черты в нужных пропорциях прямо в момент генерации ответа, что позволяет добиться большей последовательности и правдоподобности персонажа.

Представьте, что вы хотите, чтобы чат-бот отвечал вам как "остроумный, но при этом эмпатичный и заботливый друг". Если просто написать это в промпте, модель может смешивать эти черты хаотично: то выдаст злую шутку, то впадет в излишнюю сентиментальность.

Исследователи предлагают элегантное решение, которое можно объяснить на аналогии с "комитетом экспертов":

1. У вас есть "Базовая" модель — обычный универсальный LLM.
2. А также есть несколько "экспертов" — это та же модель, но слегка дообученная на одну конкретную черту. Например, "Эксперт по Остроумию" и "Эксперт по Эмпатии".
3. Когда вы задаете вопрос, "Базовая" модель предлагает вариант ответа (например, несколько слов или фразу).
4. Прежде чем показать этот вариант вам, система "на лету" спрашивает "комитет экспертов":
   • "Эксперт по Остроумию" оценивает, насколько предложенная фраза остроумна.
   • "Эксперт по Эмпатии" оценивает, насколько она эмпатична.
5. Система собирает их "голоса" с учетом заданных вами весов (например, 60% остроумия и 40% эмпатии) и решает: принять эту фразу или отклонить и попросить "Базовую" модель предложить другую.

Самый интересный вывод — концепция "отрицательных весов". Чтобы создать сложный образ (например, интроверта-мыслителя INFJ), может понадобиться не только усилить черты "Интуиция" (N) и "Чувство" (F), но и активно подавить черту "Экстраверсия" (E). Это объясняет, почему при создании сложных персонажей в промпте полезно не только указывать, каким бот должен быть, но и каким он не должен быть.

• Прямая применимость: Нулевая. Обычный пользователь не имеет доступа к нескольким моделям одновременно и не может управлять процессом декодирования (генерации) на таком низком уровне. Это чисто технический метод для разработчиков.

• Концептуальная ценность: Очень высокая. Исследование дает пользователю мощную ментальную модель:

  • Персонаж как коктейль: Любая сложная личность — это "коктейль" из базовых черт, смешанных в определенных пропорциях.
  • Конфликт черт: Некоторые черты характера конфликтуют. Чтобы усилить одну, иногда нужно ослабить или "подавить" другую. Это объясняет, почему промпты "будь одновременно X и Y" часто не работают.
  • Итеративное улучшение: Качество ответа можно повысить, если проверять его на соответствие каждой отдельной черте и корректировать.

• Потенциал для адаптации: Высокий. Хотя сам алгоритм применить нельзя, его логику можно воспроизвести с помощью продвинутой техники промптинга, которую можно назвать "Внутренний Комитет" или "Цепочка Уточнений". Пользователь может заставить модель симулировать этот процесс внутри одного промпта, заставляя ее последовательно оценивать и переписывать собственный ответ с разных точек зрения.

Ниже приведен пример промпта, который адаптирует идею исследования для практического использования. Мы хотим получить совет по планированию отпуска от лица тревел-блогера, который должен быть одновременно искателем приключений и экономным туристом.

`

Ты — ИИ-ассистент, который помогает мне составить идеальный ответ. Твоя задача — сгенерировать ответ от лица тревел-блогера на мой вопрос, пройдя через три этапа внутреннего монолога.

**Мой вопрос:** "Я хочу поехать в отпуск на 10 дней в Юго-Восточную Азию, бюджет 1000$. Посоветуй, куда поехать и чем заняться."

---

**ЭТАП 1: Генерация черновика**
Сначала сгенерируй базовый, нейтральный план поездки.

**ЭТАП 2: Критика от "Внутреннего Комитета"**
Теперь представь, что у тебя внутри есть два эксперта-критика. Дай слово каждому из них.

1.  **Критик №1: "Авантюрист"**
    *   **Роль:** Этот критик ненавидит скучные туристические маршруты. Он ищет уникальные впечатления, походы в джунгли, дайвинг, общение с местными вне туристических зон.
    *   **Задача:** Прочитай черновик и напиши 2-3 пункта критики с точки зрения "Авантюриста". Укажи, что в плане слишком банально и какие приключения можно добавить.

2.  **Критик №2: "Экономный Прагматик"**
    *   **Роль:** Этот критик следит за каждой копейкой. Он ищет способы сэкономить на жилье, еде и транспорте. Он знает все о бесплатных развлечениях и местных лайфхаках.
    *   **Задача:** Прочитай черновик и напиши 2-3 пункта критики с точки зрения "Экономного Прагматика". Укажи, где можно сократить расходы и как уложиться в бюджет 1000$.

**ЭТАП 3: Финальный ответ**
Прочитай свой черновик и обе критики. Теперь синтезируй все это в единый, финальный ответ от лица тревел-блогера. Твой ответ должен быть:
- Написан в увлекательном стиле.
- Содержать конкретные предложения для приключений.
- Включать практические советы по экономии.
- Четко структурирован.

**Начинай работу. Покажи мне только финальный ответ из ЭТАПА 3.**

1. Декомпозиция: Сложная задача "быть авантюрным и экономным" разбивается на три простых шага: создать основу, раскритиковать с одной точки зрения, раскритиковать с другой. Это снижает когнитивную нагрузку на модель.
2. Ролевая игра: Назначение четких ролей ("Авантюрист", "Экономный Прагматик") активирует в модели соответствующие области знаний и стили мышления. Модель не просто смешивает слова, а рассуждает с определенной позиции.
3. Управляемая самокритика (Self-Correction): Вместо того чтобы сразу выдать ответ, модель сначала генерирует черновик, а затем сама же его улучшает на основе заданных критериев. Это аналог "отбраковки" (rejection sampling) из статьи: плохие (несоответствующие) идеи отсеиваются на этапе критики.
4. Синтез: Финальная инструкция "синтезируй все это" заставляет модель найти баланс между двумя, казалось бы, конфликтующими требованиями, создавая более глубокий и полезный ответ, чем если бы она пыталась сделать это в один шаг.

Задача: Написать отзыв на новый смартфон для технического блога. Персонаж-рецензент должен быть одновременно глубоко разбирающимся в "железе" гиком и понятным для обычного пользователя.

`

Твоя задача — написать отзыв на вымышленный смартфон "Aether-Phone X" от лица опытного техноблогера. Чтобы отзыв получился сбалансированным, мысленно пройди три стадии.

**Контекст:** Смартфон "Aether-Phone X" имеет мощный процессор "Quantum-Core 9", 16 ГБ ОЗУ, но среднюю по качеству камеру и высокую цену.

---

**СТАДИЯ 1: Черновик**
Напиши краткий черновой вариант отзыва, упомянув основные характеристики.

**СТАДИЯ 2: Внутренние критики**
Проанализируй черновик с двух позиций.

1.  **Критик "Техно-гик":**
    *   **Персона:** Этот критик обожает цифры, бенчмарки, технические спецификации. Ему важна производительность в играх, скорость памяти, потенциал для "разгона".
    *   **Задание:** Напиши, чего не хватает в черновике с точки зрения гика. Нужно больше деталей о процессоре, сравнений с конкурентами, тестов производительности.

2.  **Критик "Обычный пользователь":**
    *   **Персона:** Этого критика не волнуют гигагерцы. Ему важно, "не тормозит ли телефон?", "сколько держит батарея?", "хорошие ли получаются фотки для инстаграма?", "удобно ли им пользоваться каждый день?".
    *   **Задание:** Напиши, что в черновике слишком сложно и непонятно. Посоветуй, как объяснить технические моменты простым языком и на что обратить внимание с точки зрения повседневного использования.

**СТАДИЯ 3: Финальный текст отзыва**
Используя черновик и мнения обоих критиков, напиши финальный, сбалансированный отзыв. Он должен содержать технические детали для энтузиастов, но объяснять их пользу простым языком для широкой аудитории.

**Важно: Не показывай мне этапы 1 и 2. Выдай только готовый отзыв из СТАДИИ 3.**

Этот пример работает по тем же принципам, что и предыдущий, но в другом контексте, доказывая универсальность подхода:

1. Симуляция конфликтующих целей: Задача техноблогера — угодить двум разным аудиториям (гикам и новичкам). Промпт явно формулирует эти две цели в виде отдельных "критиков", заставляя модель осознать этот конфликт.
2. Структурированное мышление: Вместо того чтобы пытаться одновременно быть и техничным, и простым, модель сначала фокусируется на одном (критика "Гика"), затем на другом (критика "Пользователя"). Это имитирует взвешивание различных "плотностей вероятности" (density ratios) из исследования.
3. Аналог "подавления": Критика от "Обычного пользователя" ("что слишком сложно") работает как аналог отрицательного веса из статьи. Она заставляет модель уменьшить количество непонятного жаргона, то есть подавить слишком "гиковскую" черту в финальном тексте, чтобы он стал более сбалансированным.
4. Итоговый синтез: Финальная инструкция заставляет модель не просто выбрать одну из крайностей, а найти "золотую середину", объединив глубину технического анализа с простотой изложения. Это и есть практическая эмуляция создания сложной, многогранной "личности" рецензента.

• A. Релевантность техникам промтинга: Низкая. Исследование предлагает новый алгоритм декодирования, а не техники формулирования промптов.
• B. Улучшение качества диалоговых ответов: Высокое. Метод напрямую нацелен на создание более последовательных и сложных личностей в ответах LLM.
• C. Прямая практическая применимость: Очень низкая. Метод требует программного доступа к нескольким моделям и кастомной логики декодирования, что недоступно обычному пользователю в веб-интерфейсах типа ChatGPT.
• D. Концептуальная ценность: Высокая. Дает мощную ментальную модель для понимания того, как можно конструировать и контролировать сложные персоны, и почему простые инструкции в промпте могут конфликтовать друг с другом.
• E. Новая полезная практика (кластеры):
  • Кластер 2 (Поведенческие закономерности LLM): Да, раскрывает, как можно комбинировать "предпочтения" разных моделей.
  • Кластер 4 (Управление генерацией): Да, но на уровне алгоритма, а не пользовательских настроек.
  • Кластер 7 (Надежность и стабильность): Да, повышает стабильность и последовательность личности персонажа.
• Чек-лист практичности (+15 баллов): Да, работа раскрывает неочевидные особенности поведения LLM (конфликт и взвешивание черт) и предлагает способы улучшить consistency ответов, что дает +15 баллов к базовой оценке.

Оценка 65 отражает баланс между нулевой прямой применимостью метода и его очень высокой концептуальной ценностью, которая может вдохновить продвинутых пользователей на создание новых, более сложных промпт-стратегий.

Аргументы за оценку: * Исследование предлагает мощную концепцию: сложная личность — это не просто сумма черт, а их взвешенная комбинация, где некоторые черты могут даже "подавляться" (отрицательные веса). Это помогает понять, почему LLM иногда не справляется со сложными ролями. * Хотя сам метод (SCR) неприменим для пользователя, его логику можно эмулировать с помощью многошаговых промптов (например, "сначала напиши ответ, потом раскритикуй его с точки зрения X, а затем перепиши"). Это дает продвинутым пользователям новую стратегию работы. * Работа наглядно демонстрирует, что для получения нужного результата можно "сталкивать" разные специализированные "субличности" модели, что является ценным инсайтом для промпт-инжиниринга.

Контраргументы (почему оценка могла быть ниже): * Прямая польза равна нулю. Пользователь не может запустить алгоритм SCR в чате. Это техника для разработчиков, которые строят свои системы на базе LLM. С этой точки зрения, оценка могла бы быть в диапазоне 30-40. * Высокий порог входа. Чтобы понять и адаптировать идею, пользователь должен уже иметь хорошее представление о том, как работают LLM, и владеть техниками многошагового промптинга. Для новичка статья бесполезна.