SAC: 동적 강도 제어를 통한 LLM의 성격 특성 측정 및 유도 프레임워크

대형 언어 모델(LLMs)은 최근 몇 년간 다양한 분야에서 상당한 주목을 받고 있다. 이 모델들이 상호작용 중 인간과 유사한 성격을 표출할 것이라는 기대가 커지고 있다. 이러한 기대를 충족하기 위해 많은 연구가 심리 측정을 통해 LLM 성격 모델링 방법을 제안해왔다. 그러나 기존 모델은 두 가지 주요 제한 사항에 직면해 있다: 첫째, Big Five (OCEAN) 프레임워크에 의존하여 세분화된 성격 차원을 제공하지 않으며, 둘째, 특성 강도를 제어하는 메커니즘이 부족하다. 본 논문에서는 Big Five 모델을 원래 사용했던 기계 성격 인벤토리(MPI)를 16 성격 요인(16PF) 모델과 통합하여 16개의 독특한 특성에 대한 표현 제어를 가능하게 함으로써 이 간극을 해결하고자 한다. 또한, 우리는 LLM에서 특성 강도를 평가하고 동적으로 유도하기 위한 구조화된 프레임워크, 특정 속성 제어(SAC)를 개발하였다. 우리의 방법은 강도 표현을 안내하기 위해 형용사 기반 의미 고정 장치를 도입하고, 빈도, 깊이, 임계값, 노력 및 의지의 다섯 가지 강도 요인에 걸쳐 행동 질문을 활용한다. 실험을 통해, 강도를 연속적 스펙트럼으로 모델링하면 이진 특성 전환에 비해 훨씬 더 일관되고 제어 가능한 성격 표현을 얻을 수 있음을 발견하였다. 더욱이, 목표 특성 강도의 변화가 심리적으로 일관된 방향으로 밀접하게 관련된 특성에 체계적으로 영향을 미친다는 것을 관찰하였으며, 이는 LLM이 특성을 독립적으로 처리하기보다는 다차원 성격 구조를 내재화함을 시사한다. 본 연구는 의료, 교육 및 인터뷰 과정과 같은 분야에서 제어되고 미세한 인간-기계 상호작용을 위한 새로운 경로를 열어 주며, 진정으로 인간 같은 사회적 기계에 한 발짝 더 나아가게 한다.