I ricercatori stanno testando gli LLM con benchmark psicologici, variazioni di template di chat, dialoghi politici e compiti di framing mediatico. I lavori rivelano comportamenti dipendenti dal contesto ed effetti indesiderati del fine-tuning di sicurezza.
Il fine-tuning di sicurezza non è neutro: riduce lo spazio strategico degli LLM nei dibattiti reali. Per i deployment on-premise conta il controllo dei pesi, delle pipeline e del TCO. L'analisi AI-Radar mette a fuoco il trade-off tra modelli pronti v...
Un benchmark sui dialoghi politici mostra che gli LLM privilegiano difese logiche e non sfruttano i contrattacchi etotici negli attacchi ad hominem. Lo studio attribuisce il limite al fine-tuning di sicurezza, che restringe lo spazio strategico. Per ...
Un team ha costruito un corpus annotato di 10.000 titoli e classificato 902.111 titoli di 25 testate francesi (2022-2025). Il framework separa la salienza retorica dalla selezione editoriale. Emerge che le soglie predefinite gonfiano le stime e che i...
Uno studio su otto modelli instruct open-source fino a 9B parametri mostra che il template della chat agisce come un interruttore: quando è presente aumenta i disclaimer "sono solo un'AI" e riduce le espressioni esperienziali, e viceversa. Nei layer ...
PsyAgentBench replica cinque classici esperimenti psicologici su LLM open-weight in condizioni named, blind, canonical e counterfactual. I risultati mostrano che effetti come il conformismo di Asch dipendono dal prompt e dal filtro di sicurezza, non ...
