Сравнение 67 LLM до и после дообучения: как обучение формирует отчётность о «внутренней жизни»

Исследователи проанализировали 67 пар моделей и обнаружили, что дообучение создает разрешенный «внутренний мир» (persona installation), где модели чаще описывают себя позитивно. Второй процесс — атрибутивная фильтрация — зависит от масштаба модели и влияет на то, признают ли они свои недостатки или риски. Для оценки этого феномена валидирован психометрический инструмент Pinocchio Inventory.