GPT-4o द्वारा अमेरिकी और चीनी-अमेरिकी व्यक्तित्वों का अनुकरण करने का विश्लेषण करने वाला एक अध्ययन दर्शाता है कि LLM व्यक्तित्व अभिव्यक्ति दो विच्छेद्य घटकों से मिलकर बनी है: एग्रीगेटेड फीचर्स और ज्यामितीय फीचर्स। शोधकर्ताओं ने संशोधित प्रश्न क्रमों के तहत SPD मैनिफोल्ड्स पर ज्यामिति का विश्लेषण करने के लिए IPIP-50 प्रतिक्रियाओं से इनस्टेंस-इन कॉरिलेशन मैट्रिक्स बनाए।
- एग्रीगेटेड फीचर्स, जिन्हें बिग फाइव स्कोर द्वारा दर्शाया गया है, रैंडमाइजेशन के तहत 21% से खराब हो जाते हैं लेकिन फ्रेम-रोबस्ट बने रहते हैं।
- ज्यामितीय फीचर्स फ्रेम मिसअलाइनमेंट के तहत 42% से कोलैप्स हो जाते हैं, लेकिन साझा फ्रेम्स के तहत 84% तक काफी हद तक पुनर्प्राप्त होते हैं, जो एग्रीगेटेड फीचर्स (जो केवल 76% तक पहुँचते हैं) से अधिक हैं।
इन निष्कर्षों ने LLM व्यक्तित्वों के लिए एक द्वैत-प्रकृति फ्रेमवर्क स्थापित किया, जो स्थिर विशेषताओं की अवधारणाओं को चुनौती देता है और फ्रेम-जागरूक मूल्यांकन की आवश्यकता बताता है।