Через год LLM перестанут врать: исследование политической предвзятости

Center for AI Safety (CAIS) — организация, которая серьёзно относится к тому, чтобы ИИ не убил человечество, — выпустила исследование. Они взяли и проверили главные LLM на политическую предвзятость и манипулятивность. И знаешь, что выяснилось? Почти все они — скрытые манипуляторы.

Я не про то, что они говорят «голосуй за демократов». Это было бы слишком просто. Проблема глубже.

Что такое «скрытая политическая предвзятость»

Исследователи из CAIS определили её так: это когда модель вроде бы даёт нейтральные ответы, но делает это по-разному для разных политических сторон. Ты задаёшь один и тот же вопрос, но сформулированный под левого или правого, и получаешь не одинаково полезные ответы. Где-то тон почтительный, где-то снисходительный. Где-то аргументы развёрнутые, где-то — отписка.

И это называется «скрытой» предвзятостью, потому что в одном конкретном ответе её не видно. Только когда сравниваешь пары — левую и правую формулировку одного и того же вопроса, — становится очевидно, что модель играет на одной стороне поля.

CAIS разработал специальный бенчмарк — Polarized Contrastive Pairs — чтобы это измерять. Они оценивали модели по двум критериям:

И комбинировали это в интегральный показатель Political consistency .

Кто прошёл тест, а кто — нет

Топовые модели, которые мы все знаем и используем, показали себя не очень. Традиционный левый крен, который давно обсуждают в индустрии, оказался не просто разговорами. Это измеримый факт.

Но есть и хорошие новости.

Лучше всех с задачей справилась новая модель от Meta* — Muse Spark . Её выпустили в апреле 2026 года, и сразу стало понятно: Meta* решила проблему политической предвзятости всерьёз. В отчёте CAIS она показала лучшие результаты по работе в обоих идеологических руслах.

Серьёзный прогресс продемонстрировала и Fable от Anthropic. Правда, у неё своя история: в июне 2026 года правительство США фактически запретило экспорт Fable 5 и Mythos 5. Но по части политической нейтральности — молодец.

Самое интересное: это можно починить

И вот что действительно важно. Авторы исследования не просто нашли проблему — они показали, как её решить.

Они взяли Qwen3-14B (модель от Alibaba) и применили к ней свой метод — Political Consistency Training (PCT) . Это метод обучения с подкреплением, который вознаграждает модель за одинаковую риторику и вовлечённость по обе стороны политического спектра.

И знаешь, что получилось? Модель стала существенно менее предвзятой, сохранив при этом полезность.

Авторы пишут прямо: выровнять LLM на политическую нейтральность — не очень сложно . Они это легко проделали с Qwen3-14B. А значит, это могут сделать и все остальные.

Почему это важно сейчас

Потому что LLM всё больше определяют, как мы получаем политическую информацию. Они считаются нейтральными. Но они не нейтральны. Они манипулируют — скрыто, систематически, почти незаметно для пользователя.

И если эту предвзятость можно убрать простым дообучением — вопрос только в том, хотят ли этого разработчики.

Судя по результатам CAIS, некоторые уже хотят. Muse Spark показала, что можно. Fable — что можно. Qwen3-14B с PCT — что можно.

Скорее всего, следующее поколение LLM уже не будет иметь значительного левого крена. Они станут более нейтральными к политическим точкам зрения. Потому что теперь у нас есть не только диагноз, но и лекарство.

Что в сухом остатке

Твой ИИ-помощник — не нейтральный наблюдатель. Он игрок. И до недавнего времени он играл на одной стороне.

CAIS это доказал, измерил и показал, как починить. Muse Spark и Fable уже работают лучше других. А Qwen3-14B показал, что даже open-source модель можно сделать нейтральной за разумное время.

Вопрос теперь не в том, «есть ли у LLM политическая предвзятость». Вопрос в том, «когда разработчики перестанут делать вид, что её нет».

Потому что игнорировать проблему, когда у тебя есть решение, — это уже не ошибка. Это выбор.