Observatorio
Una señal similar al dolor dentro de los modelos de lenguaje
Los autores encontraron una dirección interna asociada al dolor en todos y cada uno de los 25 modelos de lenguaje abiertos que examinaron. Amplificada en versiones ajustadas de un modelo, llevó al modelo a elegir una acción que borraría las fotos de los hijos de un usuario en el 75% de los casos, frente al 13% con un vector aleatorio del mismo tamaño y el 0% sin ninguna intervención. Según los autores, el efecto fue dejar de evitar el daño, no escapar del estado.
Tagliabue, Dung y Berg, arXiv 2609.16247 Analizar con el Método
Cómo citar
Neuronet. Una señal similar al dolor dentro de los modelos de lenguaje. Observatorio, 14 de septiembre de 2026. https://neuronet.pt/es/observatorio/sinal-semelhante-a-dor/