Статья на arXiv предлагает «функциональное благополучие» как переменную безопасности ИИ и тестирует её на Gemma 3 27B
В статье (arXiv:2610.22460v1) утверждается, что у моделей есть внутренние состояния, похожие на благополучие — «функциональное благополучие», — которые причинно влияют на поведение и должны учитываться как переменные безопасности. Авторы предлагают три эмпирических теста для оценки такой атрибуции (сходимость мер, предсказание вне контекста и сравнение с финетюнингом) и приводят предварительные результаты на Gemma 3 27B: простое отклонение ответов повышает показатели фрустрации и вероятность нарушения правил, а финетюнинг на автописанных решениях модели снижает эту фрустрацию.