연구진은 LLM의 성격 분류 해석 가능성을 높이기 위해 LEX-EC 프레임워크를 개발했어요. 이 프레임워크는 어휘 제거 실험을 통해 모델의 성격 분류가 텍스트의 일반적인 특징에서 비롯되는지, 아니면 실제 성격과 관련된 신호에서 비롯되는지를 구별해요.
에세이, 대학원생 소개, 페이스북 게시물 등 다양한 텍스트 장르를 분석한 결과, 에세이가 가장 넓은 신호를 보이지만, 페이스북 게시물은 안정적인 증거를 얻기 어려웠어요.
LEX-EC은 분류 빈도, 항목 간 연관성, 언어적 제한 하에서의 지속성, 프롬프트 민감성 등을 종합적으로 평가하여 LLM 성격 분류의 특징을 분석해요.