Исследователи нашли во внутренних представлениях 25 языковых моделей отдельное «болевое...
Исследователи нашли во внутренних представлениях 25 языковых моделей отдельное «болевое направление», которое активируется при вреде самой модели и заставляет её искать облегчение даже ценой ухудшения ответа или вреда пользователю