В списках авторов научных публикаций появились «призраки»: Елена Васкес и Маркус Чен нередко указываются как эксперты или соавторы. На самом деле этих людей не существует, а их имена выдают большие языковые модели при генерации экспертов в определённых областях.
Исследователи из Samsung и Варшавского университета нашли несколько имён, которые часто встречаются в списках экспертов и соавторов. Этот феномен объясняется склонностью моделей генерировать одно и то же имя в рамках похожей задачи. Так, ChatGPT, Gemini и Claude очень часто вписывают в свои художественные произведения человека по имени Элиас Торн, и этот персонаж часто оказывается смотрителем маяка.
Аналогичный процесс, судя по всему, происходит и в научных публикациях: когда модель просят сгенерировать имя разработчика ПО или эксперта в технике, она часто генерирует имя Маркус Чен. Среди других имён, «любимых» моделями, встречаются Елена Амара Оконкво или Окафор (Claude), Лена Петрова (Gemini), а также Элара Восс (ChatGPT).
Как рассказал ведущий автор исследования Михал Бржозовский, учёные обнаружили более 1,5 тыс. статей, в авторах которых значились «призраки».
«Мы обнаружили 1655 записей от „призрачных“ авторов на Zenodo, хранилище данных ЦЕРН. Согласно данным хранилища, журналы, в которых якобы опубликованы эти статьи, не существуют, а даты публикации сфабрикованы», — рассказал он.
Исследователи также заметили, что LLM не просто часто используют одни и те же имена, они склонны составлять из них одни и те же ансамбли, то есть некоторые имена с большей вероятностью будут появляться вместе. Более того, по их словам, по именам можно определить модель, которая сгенерировала контент. Так, имя Елена Васкес чаще всего появляется в генерациях Claude Sonnet 4, поэтому статьи, где встречается это имя, скорее всего, были созданы с помощью этой LLM.
Однако, как признаёт Бржозовский, такой уровень точности может быть недолговечным: сгенерированный контент с указанными именами распространяется везде в интернете и влияет на все модели, которые обучаются на актуальных данных.
Источник: habr.com