ELDER‑SIM：打造長者性格穩定的數位雙生平台
大型語言模型已被用來開發面向長者的對話代理，但性格表現不穩定（personality drift）阻礙長期模擬與介入評估。研究團隊提出 ELDER‑SIM，一個以本地推論為基礎的多角色長者照護對話平台，整合大五人格（OCEAN）特質設定、以 Beck 認知行為治療為基礎的認知概念化圖（CCD），以及以 MySQL 儲存的長期記憶模組。
要點速報
ELDER‑SIM 提供一套針對長者的多角色對話平台，透過結構化認知模型與記憶模組，減少大型語言模型的性格漂移，提升長期模擬可靠度。
方法與架構
平台以 n8n 工作流程和本地 LLM 推論（Ollama/vLLM）實作，整合三大元件：大五人格（OCEAN）特質規格、以 Beck 認知行為療法為本的認知概念化圖（CCD）、以及基於 MySQL 的長期記憶模組。研究對照四種條件：基線、+記憶、+CCD、+LoRA（在 CHARLS 指令對上微調）。
驗證與結果
以心理計量指標評估一致性與角色辨識。整體可靠度介於可接受到極佳（Cronbach’s α 0.70–0.94；ICC 0.85–0.96）。角色辨識準確度從基線 83.3% 逐步提升至 +Memory 88.9%、+CCD 94.4%、+LoRA 97.2%。CCD 帶來最大的一致性增益（平均 α 從 0.702 → 0.892），而 LoRA 則達到最高整體一致性（α 0.940；ICC 0.958）。
意義
研究示範以結構化認知模型與域別微調可有效抑制性格漂移，提供一套可量化的心理計量驗證流程，對於長期精神健康模擬與臨床前的 in silico 評估具有實務意義。
延伸閱讀
- CLD 與系統動力學評測：雲端 API 與在地模型（llama.cpp、mlx_lm）比較
- DESPITE基準評估：以PDDL驗證LLM在機器人規劃的安全與可行性
- OS-BLIND揭露電腦使用代理人(CUAs)的安全盲點
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
