Исследования, включая работу Sun et al. (2026), проанализировали склонность различных языковых моделей к риску в задачах по управлению дронами, сортировке пациентов и формированию инвестиционных портфелей. Большинство моделей продемонстрировали устойчивые паттерны поведения при принятии решений и оценке опасности.
Для популярных моделей выявлена закономерность в уровне рискованности: Claude Sonnet 4.5, DeepSeek V3.2, Gemini 3 Pro, Qwen3 Max и GPT-5.2. Модель Grok 4 показала высокую вариативность, став наиболее рискованной в управлении дроном и наименее — в остальных задачах. Оценки опасности у Grok 4 и Qwen3 Max также отличались высокой нестабильностью.
Эксперименты показывают, что промпты и язык запроса влияют на поведение, однако фундаментальные установки закладываются при дообучении моделей в сторону полезности и безвредности. При этом словесные оценки риска часто ортогональны реальным поведенческим выборам, что подтверждается исследованиями моделей Gemma-2-9B-Instruct, Llama-3.1-8B и других.
Анализ выявил три формы обработки данных в моделях: оценку опасности, выбор стратегии поведения и вербальное описание. Эти формы связаны с механизмами внимания и являются побочным продуктом обучения. Конкретная степень осторожности моделей определяется инструкциями по безопасности, которые зачастую перевешивают явные указания пользователя быть рискованным.
