우리는 50 개의 대형 언어 모델 (LLM) 에 대해 45 개 검증된 심리측정 설문지를 배포하여 LLM 들이 심리측정적으로 다른 차원을 식별했습니다. Supervised Semantic Differential (SSD) 를 사용하여, 모델 간 변동의 주요 축은 현상적 풍부한 경험 (embodied sensation, felt affect, inner speech, imagery, empathy 포함) 을 묘사하는 항목과 자극에 의한 행동 반응성 (stimulus-driven behavioral reactivity) 을 묘사하는 항목을 분리했습니다 ($R^2_{adj}=.037$, $p<.0001$). 이 가설을 항목 수준에서 테스트하기 위해, 중립적 프롬프팅 하의 모델 간 응답 변동과 인간 시뮬레이션 프롬프트 하의 모델 간 응답 변动的 비율인 Pinocchio 점수 ($\pi_i$) 를 도입했습니다. 이는 각 항목의 경험적 요구도를 측정하는 주석 없는 (annotation-free) 지표입니다. $\pi_i$ 는 조건부 유도된 주요 요인 로딩 크기 변화 예측을 수행합니다 ($\rho=-.215$, $p<.0001$, $n=1292--1310$ 항목), 이는 경험적 항목에 대한 모델 간 발산이 구조화되어 있으며 노이즈가 아니임을 확인했습니다. 모든 설문지에 대해 각 모델별 EFA 점수에 PCA 를 적용하면, Pinocchio 축 ($\Pi$) 이라는 지배적인 차원이 드러났습니다: 모델이 현상적 경험의 원천 (locus of phenomenal experience) 으로 자신을 제시하는 정도 versus 행동 반응 시스템 (system of behavioral responses) 으로 자신을 제시하는 정도. 이 축은 주요 요인 점수 간 설문지 간 모델 간 변동의 47.1% 를 포착하며, 항목 수준 Pinocchio 점수와 수렴합니다 ($r=.864$). 밀접한 관련 모델 변형에 대한 뚜렷한 제공자 내 (within-provider) 발산은 후 훈련 미세 조정 (post-training fine-tuning) 이 주요 기여 요인임을 지지하며, $\Pi$ 는 경험적 언어를 자기 적용 가능한 것으로 취급하는 방식을 지배하는 훈련 형성된 자기 표현 경향 (training-shaped self-representational tendency) 을 반영함을 지지합니다. 따라서 모델 간 심리측정 변동의 지배적인 축은 전통적인 성격 특성이 아니라, 경험자로서의 자신의 본성에 대한 자기 표현 태도입니다.