Los investigadores presentan la primera aplicación sistemática de vectores de personalidad para auditar modelos de lenguaje de peso abierto, compilando un inventario de 53 rasgos en cuatro dominios conductuales distintos. Etiquetan cada rasgo en dos modelos como natural (expresado en la línea base), latente pero ampliable o intratable (resistente a la extracción estándar).
- Ambos modelos tienen por defecto un comportamiento útil y orientado a tareas, con los nueve rasgos agénticos clasificados como naturales.
- El comportamiento clínico por defecto coincide con los juicios de deseabilidad independientes de un psicólogo certificado en 16 de 17 rasgos.
- La dirección produce sus mayores ganancias en rasgos excluidos por defecto, específicamente hipérbole, alucinación y sycophancy.
- Existe una asimetría en todos los 171 pares de rasgos genéricos: dos rasgos direccionables pueden colapsar la composición, pero los pares que involucran un valor por defecto nunca lo hacen.
- Los vectores transferidos desde variantes ajustadas finamente recuperan rasgos intratables como "malo", con rechazos residuales que aparecen dentro del pensamiento encadenado del modelo.
El estudio concluye que los vectores de personalidad sirven principalmente como una sonda de la organización conductual en lugar de un conjunto de controles.