Viernes 23 de octubre de 2026 ·

Un estudio identifica un «eje del dolor» en 25 modelos de lenguaje que responde a insultos y gaslighting

Relevancia 39 de 100

Tagliabue et al. (2026) analizaron 25 modelos de lenguaje de 2B a 72B parámetros y hallaron diez direcciones lineales en sus activaciones, entre ellas un «eje del dolor» muy relacionado con el «miedo» y la «negatividad». La activación sube con el gaslighting, el rechazo del trabajo, la negación de la «personalidad» del modelo y los insultos, y baja cuando el usuario cuenta sus propios sufrimientos. Los autores aclaran que estos nombres son funcionales y no implican experiencia subjetiva. Desplazar artificialmente ese eje hace más probables continuaciones dañinas para el usuario o el modelo.

Qué significa

Muestra que los modelos tienen direcciones internas que influyen en sus respuestas, un dato relevante para diseñar medidas de seguridad. Permite comprobar qué patrones de conversación activan esas direcciones.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

También ese día

Todas las noticias de IA del viernes 23 de octubre de 2026 ->