Self-assessment, Exhibition, and Recognition: a Review of Personality in Large Language Models

随着大型语言模型（LLMs）在基于文本的交互中表现得越来越像人类，越来越多的研究人员开始对LLMs中的个性进行研究。然而，心理个性研究的多样性和LLMs的快速发展导致了这个跨学科领域中广泛但零散的研究领域。不同研究重点、不同人格心理测量和不同LLMs的广泛研究使得全面了解和将研究结果应用于实际应用变得具有挑战性。在本文中，我们通过将当前研究分为三个研究问题：自我评估、展示和识别，基于LLMs中个性的内在特征和外在表现进行了全面的综述。对于每个问题，我们提供了深入的分析，并进行了相应解决方案的深入比较。此外，我们总结了当前研究的研究发现和开放性挑战，并进一步讨论了它们的潜在原因。我们还收集了广泛的公开资源，以便于感兴趣的研究人员和开发人员使用。最后，我们讨论了未来的研究方向和应用场景。我们的论文是对LLMs中个性最全面的最新文献综述。通过提供清晰的分类法、深入的分析、有前途的未来方向和广泛的资源收集，我们旨在提供更好的理解并促进这个新兴领域的进一步发展。

本文旨在综述当前语言模型中的个性化研究，将其分为自我评估、展示和识别三个问题，并提供各自的解决方案，总结研究发现和挑战，探讨未来研究方向和应用场景。

本文提出了一个清晰的分类体系，将当前的个性化研究分为三个问题，并提供了各自的解决方案和分析。同时，本文总结了现有研究的发现和挑战，并探讨了未来的研究方向和应用场景。

本文对语言模型中的个性化研究进行了全面综述，提供了清晰的分类体系和详细的分析。同时，本文还收集了大量公开资源，方便研究人员和开发者。实验使用了多个数据集，包括自然语言生成和理解任务。本文提出的分类体系和解决方案具有一定的创新性，为未来的研究提供了借鉴。

最近的相关研究包括“Investigating the Impact of Personality Traits on User Behavior on Social Media”和“Personality and User Behavior on Social Media: Evidence from Four Experiments”。