LLMの性格が現れた大規模ストレステスト

Anthropicなどの研究者たちが実験したところ、各メーカーのAIには明確な「性格の違い」が見られました。Claudeは倫理や誠実さを重視し、Geminiは感情的な深みを、OpenAIとGrokは効率性を優先する傾向がありました。

実験では、様々なLLMに対して、
”どちらを選んでも何かを犠牲にしなければならない”
ジレンマ的な質問を30万個以上投げかけられました。
その結果、モデルごとの違いがありありと浮かび上がってきたのです。

注意したいのは、各社は「モデルをこんな性格にしよう」と考えて設計したわけではありません。
訓練データの偏りやアライメントの過程などで暗黙の価値観が色濃く反映されているのが理由だと考えられています。

要するに、現在のLLMの行動規範は建前上は詳細に定められていますが、実際には曖昧さに満ちており、AIがどう振る舞うべきか明確な答えを与えられないケースは山ほど存在するということです。

ユーザーとしてはこうした状況を冷静に把握しながら活用していく必要があります。