Эмпирический аудит выявил побочные эффекты безопасности при превентивном управлении персонами (arXiv:2611.17620v1)
В препринте на arXiv проведён эмпирический аудит «превентивного» управления персонами — добавления векторов персонажей при дообучении с последующим удалением при оценке — для сикофании и галлюцинаций на трёх моделях. Авторы измеряли выраженность черт, когерентность, MMLU и три теста безопасности и показали, что превентивное управление изменяет поведение отказа в зависимости от черты, поэтому оно не является явно нейтральным по безопасности.