GPT-4oがアメリカ人と中国系アメリカ人のペルソナをシミュレートする研究を分析した結果、LLMのペルソナ表現は2つの分離可能な要素、すなわち集約特徴量と幾何学的特徴量から構成されていることが明らかになった。研究者たちは、操作された質問順序の下でSPD多様体上の幾何学を分析するために、IPIP-50の応答からインスタンス内相関行列を構築した。

  • 五大性格尺度スコアで表される集約特徴量は、ランダム化により21%低下するが、フレームに頑健である。
  • 幾何学的特徴量は、フレームの不一致により42%崩壊するが、共有されたフレーム下では84%まで大幅に回復し、76%にとどまる集約特徴量を上回る。

これらの知見は、LLMペルソナのための二重性枠組みを確立し、静的な特性概念に挑戦し、フレーム認識型の評価を必要とする。