研究人员提出了一种用于基于大型语言模型的对话代理的流体人格框架，该框架根据任务上下文、用户目标和情境紧迫性共同调整代理的隐喻人格和人格表达强度。

该框架表明，在目标导向型任务中，适度的人格表达对信任度、愉悦感和采用意愿的表现优于过低或过高的极端情况。此外，研究表明，与静态的单一刻板助手相比，符合上下文的隐喻在用户体验和采纳率方面表现更佳。

这种方法旨在解决在医疗信息检索、健身指导和反思性学习等领域中，当动态性、紧迫性和正式程度发生变化时，固定人格和风格所带来的不对齐风险。