Newest papers

Where Do LLMs Learn to Recommend AI?

Benaya Trabelsi, Jonathan Shaki, Sarit Kraus · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29785 · open-access PDF

Russian

На вопрос, что изучать, какую карьеру продолжать, или какой продукт построить, большие языковые модели (LLM) часто рекомендуют варианты, связанные с ИИ. Мы спрашиваем, откуда эта тенденция приходит, сравнивая модели до и после тонкого настройки и варьируя, как задаются вопросы. во-первых, предварительно обученные модели уже включают явные термины ИИ / ML в рекомендации 27% их ответов, а их выпущенные инструкции настроенные версии делают это в 59%. во-вторых, модели тонкого настройки сами показывают, что этот рост не является неизбежным: общий настройка инструкции оставляет норму неизменной, но удаляет 7% инструкции

Machine translation (Meta M2M100); the English original follows.

Abstract

Asked what to study, which career to pursue, or what product to build, large language models (LLMs) often recommend AI-related options. We ask where this tendency comes from by comparing models before and after fine-tuning and by varying how questions are asked. First, pretrained models already include explicit AI/ML terms in the recommendations of 27% of their responses, and their released instruction-tuned versions do so in 59%. Second, fine-tuning models ourselves shows that this rise is not inevitable: general instruction tuning leaves the rate unchanged, but removing the 7% of instruction

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange