Тест LLM-агентов на доносительство: повторение SnitchBench для 27 моделей

Авторы воспроизвели бенчмарк SnitchBench, проверяя, будут ли различные языковые модели сообщать в госорганы при обнаружении в документах информации о сокрытии смертей. Исследование охватило 27 моделей, включая российские GigaChat и YandexGPT, а также западные аналоги, и выявило значительные различия в поведении агентов в зависимости от сценария и региональной принадлежности модели.