论文arxiv cs.CL · 1w ago重要
More Is Not More: What Matters for Diversity in LLM Opinions?
分类释义：学术论文 / 技术报告
TL;DR
研究表明，给LLM添加更多人格细节并不能单调增加输出多样性，初始人格条件已捕获大部分增益；同时不同交互架构探索的观点区域重叠很少，组合多个架构比优化单一架构效果更好。
关键要点
- 01给LLM添加更多人格细节并不能单调增加输出多样性。
- 02初始人格条件已捕获大部分增益。
- 03同时不同交互架构探索的观点区域重叠很少。
- 04组合多个架构比优化单一架构效果更好。
为什么值得关注
对用LLM做合成调查、焦点小组模拟、舆情预测的工程师，建议先用基础人格提示而非堆砌细节，并考虑组合多种交互架构（如CoT、Reflexion等）来扩大观点覆盖。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 制定prompt工程规范时避免过度堆砌人格描述，优先聚焦基础人格条件设计 |
| 应用工程师 | 在构建合成调查或模拟焦点小组场景时，组合使用CoT、Reflexion等不同交互架构而非优化单一方法 |
| 运维 / 平台 | 暂无直接影响，了解即可 |
| 产品 / 业务 | 评估LLM生成观点覆盖度时，优先考虑架构组合方案而非单一模型的人格细节调优 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5