심리 측정 설문지를 통한 LLM 페르소나 평가는 일반적으로 집계된 점수(aggregate scores)에 의존하며, 인스턴스 내부의 상관관계 구조(within-instance correlation structure)를 배제합니다. 본 연구에서는 이러한 기하학적 구조가 본질적인 것인지 아니면 프레임 의존적(frame-dependent)인지를 테스트합니다. IPIP-50 응답으로부터 인스턴스 내부 상관관계 행렬(within-instance correlation matrices)을 구축하여, 미국인 및 중국계 미국인 페르소나를 시뮬레이션하는 GPT-4o에서 조작된 질문 순서에 따른 SPD 매니폴드(SPD manifolds) 상의 기하학적 구조를 분석합니다. 연구 결과, 페르소나 표현은 분리 가능한 두 가지 구성 요소로 이루어져 있음을 발견했습니다: 집계된 특징(Big Five 점수)은 무작위화 시 성능이 저하(21% 하락)되지만 프레임에 대해 견고(frame-robust)한 반면, 기하학적 특징(SPD 매니폴드)은 프레임 불일치 시 붕괴(42% 하락)되지만 공유된 프레임 하에서는 상당히 회복(84%까지)되어 집계된 특징(76%)을 능가합니다. 이러한 붕괴-회복 패턴은 페르소나 기하학이 본질적인 것이 아니라, 집계로는 보이지 않는 정보를 인코딩하는 프레임 의존적 조정 패턴(frame-dependent coordination pattern)임을 드러냅니다. 우리의 연구 결과는 LLM 페르소나에 대한 이중적 특성 프레임워크, 즉 프레임 의존적 기하학 대 프레임 견고한 집계(frame-dependent geometry versus frame-robust aggregates)를 확립하며, 프레임 인지적 평가(frame-aware evaluation)의 필요성을 제기하고 정적인 특성 개념에 도전합니다.