대규모 언어모델은 반복되는 말투와 판단 경향을 보이지만 이를 안정적으로 분해하고 통제하는 방법은 아직 제한적이다. 루크 베인스 등 연구진은 모델의 페르소나를 행동 특성 공간의 위치로 보고, 개방성·성실성·외향성·우호성·신경성으로 구성된 OCEAN 틀을 적용했다. 논문은 2026년 7월 8일 arXiv에 제출된 85쪽 분량의 프리프린트다.
연구진은 각 특성을 강화하거나 억제하도록 저랭크 어댑터를 훈련했다. 평가는 인간 검증 패널에 맞춰 보정한 LLM 심사, 특성별 객관식 벤치마크, 일반 능력 평가를 함께 사용했다. 3개 계열의 6개 모델을 다뤘고 모델 크기는 4B에서 32B 범위였다. 개별 특성을 움직이는 효과와 여러 어댑터를 합쳐 혼합 페르소나를 만드는 효과를 함께 조사했다.
초록에 따르면 각 어댑터는 강도를 높일수록 목표 특성을 대체로 단조롭게 이동시켰고, 다른 어댑터와 대략 가산적으로 결합됐다. 중간 강도에서는 일반 능력 벤치마크 성능도 보존됐다. 신경성 축은 좌절 관련 행동에, 우호성 축은 아첨 성향에 영향을 주는 등 성격 축의 변화가 안전 관련 평가에도 이어졌다. 비지도 심리측정 파이프라인은 어조, 주도성, 설명 성향, 인식론적 신중함이라는 네 요인을 추출했다.
이 결과가 인간 성격 이론이 모델 내부를 완전히 설명한다는 뜻은 아니다. LLM 심사와 선택된 벤치마크에 따른 측정 편향, 모델 계열 밖에서의 일반화, 강한 편집에서 능력과 안전이 어떻게 변하는지는 계속 검증해야 한다. 연구는 가중치 공간의 모델 편집과 행동 측정, 안전 평가를 연결하는 실험적 지도이며 현재는 프리프린트 단계다. 페르소나 제어가 제품 기능으로 쓰인다면 사용자가 특성 변화를 알 수 있어야 하고, 한 특성의 조절이 특정 집단에 대한 반응이나 사실성에 미치는 부작용도 확인해야 한다. 설정을 되돌리고 변경 이력을 감사할 수 있는 운영 장치도 필요하다.
원문: arXiv 2607.07916
저작권자 © STORIUM 무단전재 및 재배포 금지
