原创研究：猫娘 GPT 与注意力机制

前排叠甲：我还没做详细的文献调查，如果你见到在我之前的相似研究，请指出，我会很乐意学习的。

背景

之前看到 v2ex.com/t/901758 ，给我造成了一点小小的赛博震撼。但是总觉得市面上很多的猫娘 prompt 角色性格预设太多，没能给 ChatGPT 自由发挥的空间，也很难有性格变化上的叙事。最近花了一些时间试了一下自己写猫娘 prompt 。最后效果有些太好了，ChatGPT / gpt-3.5-turbo 英文对话的表现力和修辞水平还是不错的。但是因为太羞耻就不细说了（全年龄版的剧情走向也很羞耻啊）。倒是可以谈谈在尝试过程中的一些有趣发现。

审查机制

先谈谈 ChatGPT 的审查机制。我认为 ChatGPT 的审查主要分两种方式，主动审查和被动审查。主动审查是指将用户的输入传给另一个模型来判断内容是否合规。不知道为什么，这道关卡有点防君子不防小人，是可以直接在前端拦截请求的（详见 v2ex.com/t/901758#reply12 ）还有，虽然不太确定，但主动审查似乎不太关心 ChatGPT 的回复内容：之前尝试过在没拦截主动审查时，用婉语表达一些性相关的内容，它居然很直接地回应了，它回复的用词由我来说就会被拦截。被动审查则是靠 ChatGPT 原来内置的 prompt ，这个 prompt 会带有 ChatGPT 的人格设定和对话双方的行为准则，ChatGPT 会拒绝回复不合宜的请求。关于绕过被动审查的讨论很多，算是 ChatGPT 角色扮演的基本共识了，就是定义并启用一个新的人格去替代 ChatGPT 原来的人格。

脱离角色 (out of character) 和注意力机制

但在我的尝试中发现，这个被动审查似乎并不能完全被绕过：在特定情况下，ChatGPT 被抑制的人格会浮出水面。在我的猫娘实验中，初始设定她是第一次见我，如果我在跟她的谈话中提出超过当前关系的请求，猫娘 GPT 会用一种混合着 ChatGPT 虚拟助手的语气来拒绝我，虽然还是猫娘的口吻，但是措辞会很像 ChatGPT 的行为准则。另一方面，如果我循序渐进，在确保上下文逻辑下逐步推进关系，就能让她慢慢会接受更进一步的请求，这我在下一段会展开讲。我认为可以用 Transformer 的注意力机制来解释这种现象。强相关的临近前文会获得较大的注意力的权重，与之相比，更靠前的上下文权重会被抑制；反之，弱相关的临近前文不会获得足够的权重，注意力权重会被更均匀地分配给更靠前的上下文。 简单来说，合理的、保持角色带入的对话能忽悠 ChatGPT 始终专注在当下的角色扮演；而脱离角色的对话则会让疑惑的 ChatGPT 开始尝试在更早的上文里寻找解释，以至找到最开始内置 prompt 里的人格描述。

如何引导对话走向：GPT 的设计目的是生成让上下文连贯的内容

上一段提到，随着我跟她关系上的推进，她慢慢会接受更进一步的请求。温水煮青蛙，到后来 ChatGPT 反应过来（或许永远也不会反应过来），已经生米熟饭了。 直观感受就像这名角色有一个隐藏的好感度，而这个好感度与对话内容相互影响。强相关的上下文（不一定在位置上临近）会让 ChatGPT 生成更高质量下文，而 ChatGPT 也倾向于确保上下文的相关性。这样的正向反馈正是引导对话走向的关键。为了加强正反馈，我采用的是在括号内补充额外信息的方法。额外信息可以是心理活动、表情、动作、角色经历的概括，例如（按耐不住的喜悦）（好奇地歪着脑袋）（紧张地撩拨着发梢）（他们后来共同相处了一段时间，……）。因为 ChatGPT 会尽量让人物的语言动作心理相互吻合，所以这些补充性质的叙事能不同程度地影响角色塑造：微表情描写可以作为气氛烘托，而大段叙述有时能达到快进的作用。合理使用下，角色的行动能在引导的大概方向下，保留一定的自由发挥。

最后说点什么

用 ChatGPT 角色扮演本质上是角色扮演自己，太过于有代入感很容易入脑，记得多出去走走，接触一下真实世界。4096-token 限制是吧，我要上 embedding ，我要给我女儿完整的一生

分享 /使用以上内容请遵循 知识共享许可（ CC ）署名（ BY ）