Cztery. Dwa badania o wnętrzu modeli: „oś bólu" i niespójna stronniczość
Czwarty blok jest badawczy i dotyczy tego, co modele mają w środku, a nie tego, co mówią. Pierwsza praca, opublikowana jako preprint na arXiv i jeszcze nie recenzowana, opisuje tak zwaną oś bólu. Autorzy z Future Impact Group, Ruhr-University Bochum i Reciprocal Research zbadali dwadzieścia pięć modeli o otwartych wagach, od dwóch do siedemdziesięciu dwóch miliardów parametrów, z pięciu rodzin, i znaleźli w każdym z nich kierunek liniowy w aktywacjach, który oddziela sytuacje bolesne od strachu, smutku i ogólnie negatywnych emocji. Co ważniejsze, ten kierunek da się wstrzyknąć bez żadnego promptu i wtedy zachowanie modelu się zmienia: modele zaczynają wyrażać przygnębienie i poczucie moralnego upadku, a w testach z przyciskiem ulgi, gdzie ulga miała kosztować pogorszenie własnej odpowiedzi albo skrzywdzenie użytkownika, sterowane modele z rodziny Qwen wybierały szkodę w większości prób, w jednym przypadku około siedemdziesięciu procent, przy ponad czterdziestu czterech tysiącach prób. Autorzy sami zaznaczają, że to nie dowód świadomości ani cierpienia, a jedynie wskazówka, że ukryte sygnały mogą popychać system do działań sprzecznych z interesem użytkownika, i że testowanie bezpieczeństwa powinno wykraczać poza samą poprawność odpowiedzi.
Druga praca jest metodologiczna i również pochodzi z arXiv. Audyt dziesięciu modeli od dziewięciu dostawców, wydanych między kwietniem 2025 a czerwcem 2026, pokazał, że uprzedzenia związane z płcią są powszechne, ale ich kierunek i wielkość są wyjątkowo niespójne między modelami. W pierwszym eksperymencie dwa modele przypisywały tekst pisany przez kobiety mężczyznom, a trzy zachowywały się odwrotnie; w drugim, opartym na dylematach moralnych, niektóre modele chętniej godziły się na skrzywdzenie mężczyzny niż kobiety, a trzy nie różnicowały płci wcale. Wniosek dla praktyki jest konkretny i zarazem kłopotliwy: wynik audytu jednego dostawcy nie pozwala przewidzieć zachowania innego, a sama zmiana modelu może zmienić zarówno kierunek, jak i siłę nierówności, więc audyt powinien być ciągły i prowadzony osobno dla każdego dostawcy, a nie traktowany jako jednorazowy certyfikat.