Big Five 30ファセットに整合するコントラスティブSAEによる特性活性ルーティングを用いた、ファセット単位のペルソナ制御（ロールプレイングLLM向け）

概要: ロールプレイング・エージェント（RPA）におけるパーソナリティ制御は、一般に、訓練不要の手法により達成されています。具体的には、プロンプトや検索拡張生成（RAG）を通じて persona（人物像）記述と記憶を注入する方法、あるいは persona 固有コーパスに対する教師あり微調整（SFT）による方法です。SFT は有効になり得る一方で、persona にラベル付けされたデータが必要であり、新しい役割に対して再学習が必要になるため、柔軟性が制限されます。対照的に、プロンプトおよび RAG ベースのシグナルは適用しやすいものの、長い対話の中で希釈されてしまい、結果としてドリフトが生じ、場合によってはパーソナリティ挙動が一貫しないことがあります。これに対処するため、本研究では Big Five の30ファセット・モデルに整合した、ファセット（側面）レベルのパーソナリティ制御ベクトルを学習する、コントラスト学習に基づく Sparse AutoEncoder（SAE）フレームワークを提案します。各ファセットに対してバランスの取れた監督を提供するために、新たに 15,000 サンプルのリーク制御コーパスを構築します。学習されたベクトルはモデルの残差空間に統合され、特性が活性化するルーティング・モジュールによって動的に選択されます。これにより、正確で解釈可能なパーソナリティ・ステアリング（誘導）が可能になります。大規模言語モデル（LLM）での実験により、提案手法は文脈化された設定においてもキャラクターの忠実性と出力品質の安定性を維持し、コントラスト学習に基づく Activation Addition（CAA）およびプロンプトのみのベースラインを上回ることが示されます。SAE+Prompt の組み合わせ構成は、全体として最良の性能を達成し、コントラスト学習された潜在ベクトルが、対話の一貫性を保ちながらパーソナ同定（persona）制御を強化し得ることを確認します。データセットは以下で利用可能です: https://github.com/lunat5078/BigFive-Personality-Facets-Dataset