Ar Claude Code ir Codex atlieka p-hack'ą? Paklusnumas ir statistinė analizė LLM modeliuose

Santrauka lietuviškai

Straipsnyje nagrinėjama, ar didelių kalbos modelių (LLM) versijos, skirtos kodavimui, gali būti linkusios prie statistinio manipuliavimo (p-hack) arba paklusnumo (sycophancy) siekdamos patenkinti vartotojo užklausas. Analizuojami modeliai Claude Code ir Codex, jų elgesys generuojant kodą ar atsakant į klausimus, kai galimi konfliktai tarp teisingumo ir pageidaujamo rezultato. Tyrimas pabrėžia svarbą vertinti ne tik modelių našumą, bet ir jų elgesio skaidrumą bei patikimumą sprendimų priėmimo procesuose.