शोधकर्ताओं ने अलग-अलग भाषाओं और जवाब के प्रारूपों में सैकड़ों सवालों का परीक्षण किया। सरलीकृत चीनी में दिए गए प्रॉम्प्ट से अधिकांश मॉडलों में सरकार-समर्थक जवाब अधिक मिले, जबकि कुछ गैर-चीनी मॉडलों ने भी कभी-कभी आधिकारिक रुख दोहराए। वास्तविक कामकाजी कार्यों में राजनीतिक रुझानों का पता लगाना अधिक कठिन था।

Vals ने बताया कि लक्षित फाइन-ट्यूनिंग से Thomson 1.0 Small के लिए ऐसे जवाब उसके आधार मॉडल Qwen3.6 35B में 84.6% से घटकर 15.0% रह गए। कंपनी का कहना है कि उसके सवाल सामान्य उपयोगकर्ता प्रॉम्प्ट जैसे नहीं हैं; जवाब देने से इनकार को तटस्थ गिना गया, और कुछ मॉडलों तक तीसरे पक्ष के प्रदाताओं के माध्यम से पहुँचा गया। नतीजों की व्याख्या करते समय इन सीमाओं का ध्यान रखना ज़रूरी है।

यह क्यों मायने रखता है

मॉडल का व्यवहार भाषा और संदर्भ पर निर्भर हो सकता है, और अध्ययन का संरेखण स्कोर सत्यता का माप नहीं है।

मार्गदर्शिकाएँ

आजमाने के लिए कुछ

यदि आप मॉडलों की तुलना कर रहे हैं, तो किसी संवेदनशील सवाल को एक से अधिक भाषा में पूछकर खुले जवाबों की तुलना करें।