この論文では、大規模言語モデル（LLMs）の人格に似た振る舞いを理解する重要性が増す中、温度調整に基づいたビッグファイブ特性の評価が行われています。著者たちは6つのLLMを系統的に評価し、ビッグファイブインベントリ2（BFI-2）フレームワークを用いて特性の表現を比較しました。その結果、神経症的傾向と外向性が温度調整に強く影響されることが明らかになり、4つの特性次元間には有意な違いが見られました。さらに、階層的クラスタリングによって異なるモデルのクラスターが示され、特定のアーキテクチャが安定した特性プロファイルを持つ可能性が示唆されました。これにより、LLMにおける人格の出現に関する新たな洞察が得られ、AIシステムのチューニングや選択、倫理的ガバナンスに対する新しい視点が提供されました。