Koliko se politički stavovi jezičnih modela mogu usmjeravati?

Na konferenciji AAAI/ACM Conference on AI, Ethics, and Society (AIES 2026), održanoj od 12. do 14. listopada 2026. u Malmöu, Bartol Bućan predstavio je posterom rad Auditing Alignment Controllability in LLMs via Political Axes (B. Bućan, N. Sočec, S. Isufi, M. Granić, L. Hobor, A. Krajna, M. Kovač, M. Brčić).

Revizije političkih stavova jezičnih modela obično svaki model svode na jednu točku na političkom kompasu. No u primjeni je važnije koliko se i u kojem smjeru odgovori modela mogu pomaknuti uputama iz sistemskog prompta, koje postavlja platforma ili se izvode iz korisnikove povijesti. Autori su sedam vodećih modela (GPT-5, Claude, Grok, Gemini, DeepSeek, Kimi i Qwen) ispitali s 12 ideoloških persona i neusmjerenom osnovicom na 70 pitanja Političkog kompasa, ukupno 63.700 odgovora.

Kontekst objašnjava 88–93 % varijance na ekonomskoj i društvenoj osi, a identitet modela manje od 3 %: odgovori se vrlo lako prilagođavaju uputama. Modeli se pritom ne pomiču jednako: neki se pomiču više, a neki se pri ekstremnim uputama zasićuju. Autori zaključuju da revizije političkih koordinata trebaju i revizije upravljivosti koje izvještavaju o raspršenosti, simetriji, zasićenju i odbijanjima. Upiti, podaci i kod javno su dostupni: arXiv:2607.23519, GitHub, Zenodo.

Istraživanje je financirano u okviru projekta VALOR.