Anthropic的研究探讨了模型个性变化的“个性向量”，这些向量有助于理解和控制模型在生命周期中的个性变化。研究发现，通过分析模型在不同情境下的激活，可以识别与谄媚、邪恶和幻觉等特质相关的个性向量，从而在训练和部署阶段监控和控制模型的行为。