arXiv 该工作提出 Deep Persona——一个把角色组织为外部表达层、中层信念层与内层动机驱动层的三层心理架构，并配合脚本化决定论与有限能动性原则，同时提出一套无参考评测框架（借鉴 ADOS 的语用流畅性、共同注意、情感一致性与情绪表达多样性指标，以及基于马氏距离的对话自然度分数 DNS）；在 DailyDialog 与 CounselChat 等人类与人类—LLM 对话数据上，LLM 表现出高语用流畅性（0.88–0.97）但在情绪表达与共同注意上存在系统性差距，而两个 Deep Persona 案例（Sarah 与 Evelyn）在综合基线下 DNS 高于所有被评测的人类—LLM 数据集，并在全部对话中与人类互动统计上不可区分。
该工作提出 Deep Persona——一个把角色组织为外部表达层、中层信念层与内层动机驱动层的三层心理架构，并配合脚本化决定论与有限能动性原则，同时提出一套无参考评测框架（借鉴 ADOS 的语用流畅性、共同注意、情感一致性与情绪表达多样性指标，以及基于马氏距离的对话自然度分数 DNS）；在 DailyDialog 与 CounselChat 等人类与人类—LLM 对话数据上，LLM 表现出高语用流畅性（0.88–0.97）但在情绪表达与共同注意上存在系统性差距，而两个 Deep Persona 案例（Sarah 与 Evelyn）在综合基线下 DNS 高于所有被评测的人类—LLM 数据集，并在全部对话中与人类互动统计上不可区分。
该工作提出 Deep Persona——一个把角色组织为外部表达层、中层信念层与内层动机驱动层的三层心理架构，并配合脚本化决定论与有限能动性原则，同时提出一套无参考评测框架（借鉴 ADOS 的语用流畅性、共同注意、情感一致性与情绪表达多样性指标，以及基于马氏距离的对话自然度分数 DNS）；在 DailyDialog 与 CounselChat 等人类与人类—LLM 对话数据上，LLM 表现出高语用流畅性（0.88–0.97）但在情绪表达与共同注意上存在系统性差距，而两个 Deep Persona 案例（Sarah 与 Evelyn）在综合基线下 DNS 高于所有被评测的人类—LLM 数据集，并在全部对话中与人类互动统计上不可区分。
该工作提出 Deep Persona——一个把角色组织为外部表达层、中层信念层与内层动机驱动层的三层心理架构，并配合脚本化决定论与有限能动性原则，同时提出一套无参考评测框架（借鉴 ADOS 的语用流畅性、共同注意、情感一致性与情绪表达多样性指标，以及基于马氏距离的对话自然度分数 DNS）；在 DailyDialog 与 CounselChat 等人类与人类—LLM 对话数据上，LLM 表现出高语用流畅性（0.88–0.97）但在情绪表达与共同注意上存在系统性差距，而两个 Deep Persona 案例（Sarah 与 Evelyn）在综合基线下 DNS 高于所有被评测的人类—LLM 数据集，并在全部对话中与人类互动统计上不可区分。