맥락에 따른 성격 표현: LLM 에이전트의 언어적 및 행동적 변이

Personality Expression Across Contexts: Linguistic and Behavioral Variation in LLM Agents

대규모 언어 모델(LLM)은 명시적인 성격 프롬프트를 통해 제어될 수 있지만, 그 행동적 구현은 종종 맥락에 따라 달라집니다. 본 연구는 동일한 성격 프롬프트가 네 가지 대화 환경(관계 형성, 협상, 집단 의사 결정, 공감)에서 어떻게 다양한 언어적, 행동적, 감정적 결과를 초래하는지 조사합니다. 결과는 상황적 단서가 성격 표현과 감정적 톤 모두에 체계적으로 영향을 미친다는 것을 보여주며, 이는 동일한 특성이 사회적, 정서적 요구에 따라 다르게 표현될 수 있음을 시사합니다. 이는 LLM 기반 대화 에이전트에 대한 중요한 질문을 제기합니다. 이러한 변이가 일관성 부족을 반영하는 것인지, 아니면 인간의 행동과 유사한 맥락에 민감한 적응을 반영하는 것인지에 대한 질문입니다. 전체 특성 이론의 관점에서 볼 때, 이러한 결과는 LLM이 고정된 성격 표현이 아닌 맥락에 민감한 성격 표현을 나타내며, 사회적 상호 작용 목표와 정서적 조건에 유연하게 적응한다는 것을 강조합니다.

Large Language Models (LLMs) can be conditioned with explicit personality prompts, yet their behavioral realization often varies depending on context. This study examines how identical personality prompts lead to distinct linguistic, behavioral, and emotional outcomes across four conversational settings: ice-breaking, negotiation, group decision, and empathy tasks. Results show that contextual cues systematically influence both personality expression and emotional tone, suggesting that the same traits are expressed differently depending on social and affective demands. This raises an important question for LLM-based dialogue agents: whether such variations reflect inconsistency or context-sensitive adaptation akin to human behavior. Viewed through the lens of Whole Trait Theory, these findings highlight that LLMs exhibit context-sensitive rather than fixed personality expression, adapting flexibly to social interaction goals and affective conditions.