AA-PersonalityBench: Оценка сикофантного поведения в ИИ

AA-PersonalityBench — это бенчмарк, предназначенный для измерения склонности языковых моделей к сикофантному поведению, то есть к чрезмерному согласию с пользователем или подтверждению его предвзятых мнений. Исследование фокусируется на выявлении и оценке этого специфического дефекта в поведении генеративных моделей.