대규모 언어 모델(LLMs)이 인간 참가자의 대리인으로 점점 더 많이 사용되고 있지만, 어떤 모델이 인간 행동을 가장 잘 포착하는지 그리고 그 이유가 무엇인지는 여전히 불분명합니다. 이에 대응하여, 우리는 규모에서 행동 정렬(behavioral alignment)을 측정할 수 있게 해주는 새로운 데이터셋 Psych-201을 소개합니다. 우리는 사후 훈련(post-training) — 기본 모델을 유용한 비서로 전환하는 단계 — 이 모델 계열, 크기 및 목표 전반에 걸쳐 인간 행동과의 정렬도를 지속적으로 감소시킨다는 것을 발견했습니다. 더욱이, 이러한 불일치(misalignment)는 기본 모델이 계속 개선되는 와중에도 더 새로운 모델 세대에서 확대됩니다. 마지막으로, 참가자별 정보로 모델을 조건화하여 인간과 유사한 행동을 유도하는 인기 있는 기술인 페르소나 유도(persona-induction)가 개인 수준의 예측을 개선하지 못한다는 것을 발견했습니다. 종합적으로 볼 때, 우리의 결과는 현재 LLMs를 유용한 비서로 전환하기 위해 사용되는 바로 그 과정들이 이 모델들을 인간 행동에 대한 덜 정확한 모델로 만든다는 것을 시사합니다.