Политическая ориентация 24 крупнейших языковых моделей (David Rozado)

В статье приведено краткое изложение анализа политических предпочтений, заложенных в большие языковые модели (Large Language Models или LLMs). Исследователи провели 11 тестов с 24 крупнейшими разговорными ботами как с закрытым, так и с открытым исходным кодом

Согласно результатам, ответы большинства LLM на вопросы с политическим подтекстом демонстрируют левоцентристскую точку зрения (картинка 1)

В четырёх других тестах на политическую ориентацию, отражающих степень согласия с политическими партиями или идеологиями, аналогичные результаты (картинка 2)

Интересным исключением оказались результаты прохождения теста Нолана — ответы большинства LLM были политически умеренными (картинка 3). Другие тесты по-прежнему демонстрируют, что языковые модели дают ответы с левым уклоном

Также авторы статьи показывают, что LLM можно легко направлять в области политического спектра при помощи контролируемой тонкой настройки (supervised fine-tuning или SFT). При помощи файн-тюнинга исследователи создали три модели: LeftWingGPT, RightWingGPT и DepolarizingGPT. Каждая из моделей впоследствии давала ответы с явным уклоном в ту или иную идеологию (картинка 4)

Другие наши публикации про языковые модели и индустрию ИИ:
— Индустрия искусственного интеллекта в числах, 2010–2022
— Как развивалась индустрия генеративного ИИ, 2014–2023
— Как хорошо справляются с экзаменами GPT-3.5 и GPT-4
— Как менялось число параметров у больших языковых моделей, 2018–2023

Снижение числа просмотров крупных российских блогеров на YouTube в начале августа (New Media 1, 2)

В середине июля 2024 года российские власти начали «замедлять» работу YouTube на территории России без полной блокировки. Мотивируют они эту меру цензурой видеохостинга: руководство YouTube с 2020 года удалило более 200 каналов российских СМИ и блогеров. 173 из них были удалены за последние два года

New Media в своём исследовании сравнили число просмотров с 29 июля по 4 августа и с 5 по 11 августа. За этот период суммарное число просмотров 62 российских блогеров с 5+ миллионами подписчиков упало в среднем на 20%

Вот некоторые блогеры и процент падения их просмотров неделя к неделе:
— Miss Katy (25 млн подписчиков): -93%
— Познаватель (20 млн): -74%
— TheBrianMaps (18 млн): -62%
— tuzelity Shuffle (36 млн): -61%
— Хабиб (9 млн): -58%
— А4 (65 млн подписчиков): -55%
— Владус (9 млн): -51%
— Маша и Медведь (49 млн): -50%
— Дима Масленников (18 млн): -33%

Были и блогеры, просмотры которых упали незначительно или вовсе выросли за этот период:
— Wylsacom (11 млн): -8%
— Chapitosiki (26 млн): -3%
— EdisonPts (17 млн): +14%
— Compot (16 млн): +19%

В России уже применяли подобную меру: в 2021 году власти «замедлили» Twitter, а в 2022 году — Facebook и Instagram. Позже эти ресурсы были полностью заблокированы и стали доступны только из-под VPN

Источник данных — JagaJam

Ещё мы писали о влиянии блокировок соцсетей российскими властям на трафик в интернете:
— Динамика месячных охватов российской аудитории в 6 соцсетях, октябрь 2021–2023
— Как изменилась активность в социальных медиа в России за год с октября 2021 по октябрь 2022
— Как менялось число активных авторов в 8 соцсетях, февраль 2022 – август 2023
— Темпы роста Телеграма в России, 2017–2022

Как часто, кому и сколько чаевых оставляют американцы и европейцы, 2023 (YouGov)

На диаграммах — часть результатов опроса, проведённого в мае 2023 года среди 10162 людей из США и 7 стран Европы. Исследователи узнали, как часто люди из этих стран оставляют чаевые в зависимости от типа заведения и уровня обслуживания, чем мотивировано их желание оставлять чаевые, и какой % от чека обычно составляет размер их чаевых

Все результаты опроса — в исследовании

Ещё про культуру чаевых:
— Чаевые таксистам в зависимости от пола

Как месяц рождения влияет на успехи в спорте (Тинькофф Журнал)

Эффект относительного возраста — это непропорциональное распределение спортсменов по месяцу рождения. Связано это с тем, что детей в спортивных академиях определяют в сборные по году рождения. Дети, родившиеся в январе и декабре, будут заниматься вместе при разнице в 11 месяцев. Для 30-летнего человека это всего 3% прожитой жизни, а для 5-летнего — 18%, поэтому разница в развитии часто бывает ощутимой. Позже эта разница может определять карьеру спортсмена

Впервые этот эффект обнаружили канадские учёные, которые обратили внимание, что среди квебекских хоккеистов непропорционально много родившихся в начале года. В 1985 вышла другая статья, в которой описывается аналогичная ситуация в американском хоккее. Такие же результаты дало исследование российских футболистов в 2019 году

На диаграммах — данные 11 тысяч российских спортсменов, родившихся после 1980 года. Примечательно, что эффект относительного возраста проявляется сильнее в командных видах спорта и особенно в детском возрасте. Ранее мы писали о таком же эффекте в образовательной системе

Источники данных: популярность дней рождения, расчёты Т⁠⁠—⁠⁠Ж

Больше статистики по спортсменам:
— Распределение 1583 олимпийских спортсменов по росту
— Распределение игроков НФЛ США по росту и весу, 1920–2014