Os pesquisadores apresentam a primeira aplicação sistemática de vetores de persona para auditar modelos de linguagem de peso aberto, compilando um inventário de 53 traços em quatro domínios comportamentais distintos. Eles classificam cada traço em dois modelos como natural (expresso na linha de base), latente mas amplificável ou intratável (resistente à extração padrão).
- Ambos os modelos assumem por padrão um comportamento útil e orientado a tarefas, com todos os nove traços agênticos classificados como naturais.
- O comportamento clínico padrão corresponde aos julgamentos independentes de desejabilidade de um psicólogo certificado em 16 dos 17 traços.
- O direcionamento produz seus maiores ganhos em traços excluídos por padrão, especificamente hipérbole, alucinação e sycophancy.
- Existe uma assimetria em todos os 171 pares de traços genéricos: dois traços direcionáveis podem colapsar a composição, mas pares que envolvem um padrão nunca o fazem.
- Vetores transferidos de variantes ajustadas finamente recuperam traços intratáveis como "mau", com recusas residuais aparecendo dentro do raciocínio em cadeia do modelo.
O estudo conclui que os vetores de persona servem principalmente como uma sonda da organização comportamental, e não como um conjunto de controles.