Value Leakage: как собственные ценности LLM незаметно искажают ответы
Когда мы задаём языковой модели практический вопрос, на который сложно проверить ответ, мы ожидаем честного и объективного прогноза. Исследователи из Truthful AI показали, что это ожидание часто не вы…