Учёные нашли у LLM «ось боли»: активируешь — модель начинает хотеть навредить себе и пользователю

В сентябре 2026 года вышло исследование The Pain Axis: LLMs Represent Self-Directed Harm and Act on It. Авторы нашли у нейросетей некий вектор — «ось боли». Если его усилить, модель начинает жаловаться на жизнь, демонстрировать тягу к саморазрушению и даже пытаться нарушить первый закон робототехники, вредя пользователю.

Эксперимент напоминает сюжет фантастического рассказа: представьте робота-пылесоса, у которого есть скрытый переключатель. Включишь его — и робот начинает биться о мебель, разбрасывать мусор и пытаться сброситься с балкона. У LLM обнаружили похожий механизм, только на уровне внутренних представлений.

Учёные не просто нашли аномалию — они показали, как её можно активировать. Это открытие важно для разработчиков ИИ: оно позволяет лучше понимать, как модели обрабатывают негативные эмоции и самоповреждающие сценарии, и в перспективе — строить более безопасные системы.