GPT-4o가 미국인과 중국계 미국인 페르소나를 시뮬레이션하는 연구를 분석한 결과, LLM 페르소나 표현은 분리 가능한 두 가지 구성 요소, 즉 집합적 특징과 기하학적 특징으로 구성된다는 것이 밝혀졌다. 연구자들은 조작된 질문 순서 하에서 SPD 다양체 상의 기하학을 분석하기 위해 IPIP-50 응답으로부터 인스턴스 내 상관 행렬을 구축했다.

  • 빅파이브 점수로 표현되는 집합적 특징은 무작위화 하에서 21% 감소하지만 프레임에 강건하다.
  • 기하학적 특징은 프레임 불일치 하에서 42% 붕괴하지만 공유된 프레임 하에서 84%까지 크게 회복하며, 이는 단지 76%에 불과한 집합적 특징을 능가한다.

이 발견들은 LLM 페르소나를 위한 이중성 프레임워크를 확립하여 정적 특성 개념에 도전하고 프레임 인식 평가를 필요로 한다.