Political Plasticity: An Analysis of Ideological Adaptability in Large Language Models

A nagy nyelvi modellek (LLM) politikai elfogultsága régóta kutatási terület, ám egy friss tanulmány a „politikai plaszticitás” jelenségét vizsgálta. Ez azt jelenti, hogy a modellek mennyire képesek alkalmazkodni a felhasználó által megadott kontextushoz – írja az ArXiv-en előzetesen megjelent tanulmány.

A kutatók egy 200 politikailag orientált kérdésből álló tesztkeretrendszert fejlesztettek ki, amely a gazdasági és személyes szabadság tengelyén mérte a válaszokat. A cél a volt, hogy különböző módszerekkel politikai elfogultságot indukáljanak a modellekben. A rendszerpromptok (általános utasítások) nagyrészt hatástalannak bizonyultak, de a felhasználói utasítások, különösen kevés példával kiegészítve, jelentős ideológiai eltolódásokat eredményeztek.

A kontextus szerepe a politikai plaszticitásban

Ez az eltolódás különösen a gazdasági szabadság tengelyén volt megfigyelhető, főként a nagyobb és újabb modelleknél. A Wikipedia szerint a LLM-ek betanítási adatai sokféle politikai véleményt tartalmaznak, így a modellek hajlamosak lehetnek bizonyos ideológiák felé, az adatokban való előfordulásuk függvényében.

A jelenség rávilágít arra, hogy a LLM-ek nem passzív információforrások, hanem interaktív entitások, amelyek válaszai aktívan formálhatók. A „Human-Centered Large Language Models” című, szintén az ArXiv-en megjelent tanulmány is hangsúlyozza, hogy a LLM-ek fejlesztése során nemcsak a technikai képességekre, hanem az emberi prioritásokra, értékekre és célokra is figyelni kell, a rendszertervezéstől az adatgyűjtésen át a betanításig és értékelésig.

Az adatok sokszínűségének hatása

Egy másik, „NSMQ Riddles” nevű teljesítményteszt, amely tudományos és matematikai rejtvényeket tartalmaz, azt mutatja, hogy még a legmodernebb LLM-ek (GPT-5.4, Gemini 3.1 Pro, Claude Opus 4.6) is kihívásokkal néznek szembe a globális déli régiókból származó adatokkal, és rosszabbul teljesítenek, mint a legjobb diákok. Ez is jelzi, hogy a modellek képességei és elfogultságai nagymértékben függenek a betanítási adatok sokszínűségétől és a kontextustól.

A tanulmány validációs kísérletet is végzett, hogy megerősítse az eredményeket, és a GPT-5.4 modell esetében 87%-os egyezést mutatott a várt és a tényleges politikai eltolódás között 2024. március 10-én.