본 논문은 대규모 언어 모델(LLM)의 인간과 유사한 감정 표현 능력을 향상시키기 위한 연구를 제시한다. LLaMA 3.1-8B 모델에 '타겟 활성화 엔지니어링' 기법을 적용하여 보다 인간적인 감정 표현을 유도한다. Attribution patching을 통해 감정에 영향을 미치는 구성 요소를 식별하고, 대비되는 텍스트 쌍(긍정 vs 부정 예시)의 활성화 패턴 차이로부터 감정 표현 벡터를 추출한다. 이 벡터를 새로운 대화 프롬프트에 적용한 결과, 모델의 긍정적 감정(기쁨, 신뢰 등) 표현이 증가하고 1인칭 대명사 사용 빈도가 높아져 개인적인 참여도가 향상됨을 확인했다.
