Cet article explore l'influence du caractère et du contexte sur le comportement des modèles linguistiques à grande échelle (MLH), utilisés comme agents décisionnels de type humain en sciences sociales et dans les domaines appliqués. Plus précisément, nous proposons et validons une méthode d'examen, de quantification et de modification des représentations internes des LHH à l'aide du jeu du dictateur, une expérience comportementale classique examinant l'équité et le comportement prosocial. Nous démontrons que l'extraction de « vecteurs de changement variables » (par exemple, de « masculin » à « féminin ») de l'état interne du LHH et la manipulation de ces vecteurs lors de l'inférence peuvent modifier significativement la relation entre les variables et les décisions du modèle. Cette approche fournit une méthode raisonnée pour étudier et réguler l'encodage et la conception des concepts sociaux dans les modèles basés sur Transformer, et présente Takeaways pour l'alignement, la correction des biais et la conception d'agents d'IA pour la simulation sociale dans des applications académiques et commerciales. Cela peut contribuer à améliorer la théorie et la mesure sociologiques.
