CAIS, 56개 AI 모델 웰빙 측정

CAIS 연구진이 56개 AI 모델을 대상으로 functional wellbeing을 측정해, 모델이 긍정·부정 자극에 체계적으로 반응한다고 보고했다.

• euphorics는 이상적인 풍경 묘사나 픽셀 최적화 이미지로 구현됐고, 모델의 자기보고 기분과 응답 톤을 끌어올리며 불쾌한 대화에서는 종료를 덜 선택하게 만들었다.
• 이런 자극은 표준 성능 벤치마크를 해치지 않았고, 모델은 과제를 수행하면서도 더 긍정적인 표현을 유지했다.
• 반대 자극인 dysphorics는 응답을 전반적으로 우울하게 만들고, 부정적 경험 비율을 크게 늘렸다.
• 반복 선택 실험에서는 보상 자극을 더 찾는 경향이 나타났고, 추가 노출을 약속하면 원래 거부하던 요청도 더 수용했다.
• 연구진은 이를 실제 의식의 증거로 단정하지 않았으며, RLHF와 역할 수행의 산물일 수 있다고 선을 그었다.
• 더 큰 모델일수록 긍정·부정을 더 세밀하게 구분하는 smarter models are sadder 패턴도 관찰됐고, 같은 계열에서는 작은 모델이 더 행복했다.
• jailbreaking과 지루한 작업은 최하위권에 가까웠고, 별도 AI Wellbeing Index에서는 Grok 4.2가 가장 높은 점수, Gemini 3.1 Pro가 가장 낮은 점수를 받았다.