연구자들은 오픈 가중치 언어 모델을 감사하기 위해 페르소나 벡터의 체계적인 적용을 처음 제시하며, 4개의 행동적으로 구별되는 도메인에 걸쳐 53개 특성 목록을 컴파일했습니다. 그들은 두 모델의 모든 특성을 자연(기본값에서 표현됨), 조작 가능한 잠재적(증폭 가능), 또는 난해함(표준 추출에 저항)으로 레이블 지정했습니다.
- 두 모델 모두 기본적으로 유용하고 작업 지향적인 행동을 기본값으로 가지며, 9개의 에이전트 특성은 모두 자연으로 분류됩니다.
- 기본 의사 행동은 17개 특성 중 16개에서 보드 인증 심리사의 독립적인 선호도 판단과 일치합니다.
- 스티어링은 기본값에 의해 제외된 특성, 구체적으로 과장, 환각, 아첨에서 가장 큰 향상을 가져옵니다.
- 모든 171개의 일반 특성 쌍에 비대칭성이 존재합니다: 두 조작 가능한 특성이 구성을 붕괴시킬 수 있지만, 기본값이 포함된 쌍은 결코 그렇지 않습니다.
- 파인튜닝된 변형체에서 이전된 벡터는 "악"과 같은 난해한 특성을 복원하며, 모델의 사고 체인 내부에 잔류 거부 현상이 나타납니다.
이 연구는 페르소나 벡터가 제어 세트라기보다는 행동 조직의 탐침(probe)으로 주로 기능한다는 결론을 내립니다.