Les chercheurs présentent la première application systématique des vecteurs de persona pour auditer les modèles de langage à poids ouverts, compilant un inventaire de 53 traits sur quatre domaines comportementaux distincts. Ils étiquettent chaque trait dans deux modèles comme naturel (exprimé à la ligne de base), latent mais amplifiable, ou intractable (résistant à l'extraction standard).
- Les deux modèles adoptent par défaut un comportement utile et orienté vers la tâche, tous les neuf traits agents étant classés comme naturels.
- Le comportement clinicien par défaut correspond aux jugements de désirabilité indépendants d'un psychologue certifié pour 16 des 17 traits.
- Le pilotage (steering) produit ses plus grandes améliorations sur les traits exclus par défaut, spécifiquement l'exagération, l'hallucination et la flatterie.
- Une asymétrie existe entre tous les 171 paires de traits génériques : deux traits pilotables peuvent faire s'effondrer la composition, mais les paires impliquant un trait par défaut ne le font jamais.
- Les vecteurs transférés depuis des variantes fine-tunées récupèrent les traits intractables comme le "mal", avec des refus résiduels apparaissant dans la chaîne de pensée du modèle.
L'étude conclut que les vecteurs de persona servent principalement de sonde de l'organisation comportementale plutôt qu'un ensemble de contrôles.