大規模言語モデル、ペルソナが内部表現を変化させる可能性 研究
Austin C. Kozlowski氏らは2026年11月4日(現地時間)にarXivで、大規模言語モデル(LLMs)が特定のペルソナを採用することで、その内部表現空間の幾何学的構造が変化する可能性を示す研究論文を発表した。同氏らは、従来のLLMの監視手法が前提とする「文脈を超えた一貫した特徴表現」とは異なり、モデルがペルソナを柔軟に採用することで、概念的関係の根底にあるシステムが変化する可能性を指摘。この変化が、真実性や道徳性といった安全性に関連する特徴の評価に影響を与えうるとした。