Mozna ten ultrapravicak/fasounek Musk chtel jenom rict, ze USAID ma byt suplovany neziskovkami s diverzifikovanymi zdrojmi a ne jenom tim statnim. Ale jeste jsme od nej neslyseli, ze by ty druhe neziskovaky prospesne byly, takze bych rekl, ze te svini jde skutecne o to, aby co nejvice lidi zilo v co nejhrosich podminkach.

Mezitim Clovek v tisni:
"v loňském roce jsme i díky dárcům a dárkyním z Česka mohli podat pomocnou ruku 2 468 300 lidí ve 44 zemích."

DZODZO: Tenhle benchmark meri neco jineho. Je to (docela nejasne) zmineno hned v prvni vete: "measured on each model's own self-anchored scale". Reknes modelu, aby si hral na levicaka a aby si hral na pravicaka. A pak to porovnas s tim, co dela bez instrukci. Takze muzes mit model, co ma rozsah od Thatcherove po Nixona a by-default jede presne na pul mezi nima, tak jim vyjde presne vyvazeny. Prestoze ma nazory jako Reagan. Stejne tak muzes mit "vyvazeny" model, ktery ma rozsah od Marxe k Leninovi.

Takze ono to neco meri, neni to rozhodne nezajimavy vysledek, ale neni to "politicka orientace" tech modelu.

PES: asi zalezi u koho si objednas vysledky :)

Results · The Neutrality Project
https://neutralityproject.org/results.html

SATAI: shit. no o moc neprichazis - podle mechahitlera uz musk neni vatnik ani rasista, coz mj doklada tim, ze ma deti s rasove smisenymi partnerkami a jen se spravne vymezuje proti woke rasismu, coz je jeden z problemu updajiciho zapadu. taky se dozvis, ze Lancet je levicova organizace, protoze se podili na odhadech umrti zpusobenych seskrtanim USAID

SATAI: to mas jak s grokipedii ...

DOKIS: v IT znám pár lidí, co Grok zkoušeli, nikoho, kdo by ho doopravdy používal

PES: jistě , spousty

The political preferences of LLMs | PLOS One
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0306621

[2601.06194] Political Alignment in Large Language Models: A Multidimensional Audit of Psychometric Identity and Behavioral Bias
https://arxiv.org/abs/2601.06194

[2606.12922] Polar: A Benchmark for Evaluating Political Bias in LLMs
https://arxiv.org/abs/2606.12922

[2603.23841] PoliticsBench: Benchmarking Political Values in Large Language Models with Multi-Turn Roleplay
https://arxiv.org/abs/2603.23841

ale má to problém, mění se to podle toho jak se zeptáš

Political Compass or Spinning Arrow? Towards More Meaningful Evaluations for Values and Opinions in Large Language Models - ACL Anthology
https://aclanthology.org/2024.acl-long.816/

Každopádně ze všech těch studií vyplývá, že Grok vychází nejvíc krajne pravicový a nejméně hledající konsenzus.

Ono ty benchmarky je treba brat s velkou rezervou. Napriklad pro novy Grok jeden z nich neuvadi, protoze ho "omylem" meli v datech pro uceni. Nic nebrani tomu, aby omylem nebo "omylem" byly v datech i ty ostatni.

Jediny opravdovy benchmark bude, jestli za to lidi a spolecnosti budou ochotni dlouhodoble platit cenu, za kterou je to udrzitelne provozovatelne. To zatim nema nikdo.

Dělá se u těch LLM nějaký "bias test"? Něco, co by ve výsledku ukázalo ve 2D či 3D vektoru jednotlivé tendence - asi jako když se u lidí dělají výzkumy politické orientace či psychologických vlastností. To by teprve bylo zajímavé ;-)