Los investigadores probaron cientos de preguntas en distintos idiomas y formatos. Las instrucciones en chino simplificado generaron respuestas más favorables al Gobierno en la mayoría de los modelos; algunos modelos no chinos también coincidieron a veces con posturas oficiales. Las tendencias fueron más difíciles de detectar en tareas laborales realistas.
Vals informó que el ajuste fino específico redujo esas respuestas en Thomson 1.0 Small del 84,6 % en su modelo base Qwen3.6 35B al 15,0 %. La empresa advierte que las preguntas no representan instrucciones típicas; las negativas se puntuaron como neutrales y algunos modelos se probaron mediante proveedores externos.
Por qué importa
El comportamiento puede depender del idioma y del contexto, y la puntuación de alineamiento no mide la veracidad.
Una idea para probar
Si comparas modelos, formula una pregunta delicada en varios idiomas y compara las respuestas abiertas.
Inicia la conversación.