Apple estudia comportamientos humanos en modelos de lenguaje con análisis multidimensional

El equipo de Apple Machine Learning Research publicó un estudio centrado en identificar y medir comportamientos similares a los humanos en los grandes modelos de lenguaje (LLMs). La investigación propone un marco de análisis multidimensional que considera simultáneamente las características del modelo, los factores del usuario y el rol de los system prompts o instrucciones de sistema.

El trabajo examina de qué manera distintas configuraciones de estos tres ejes alteran la forma en que un LLM responde, razona y se comporta frente a tareas complejas. Según los investigadores, la combinación de estas variables produce patrones de comportamiento que pueden asemejarse —o alejarse notablemente— de las respuestas típicamente humanas, lo que tiene implicancias directas para el diseño de asistentes de inteligencia artificial.

Uno de los hallazgos centrales del estudio es que los system prompts tienen una influencia desproporcionada sobre los comportamientos observados, incluso por encima de las diferencias entre modelos. Esto sugiere que la forma en que se instruye a un sistema puede ser tan determinante como la arquitectura subyacente del modelo en sí.

La investigación aporta evidencia relevante para el campo del alineamiento y la seguridad en IA, ya que comprender cuándo y por qué un LLM adopta patrones humanos permite a los desarrolladores anticipar comportamientos no deseados y diseñar sistemas más predecibles y confiables.