Мовні моделі знають, у який бік зміщений розподіл психічних розладів за статтю, і перебільшують це зміщення Останнє дослідження
LLM Bias · 2026

Мовні моделі знають, у який бік зміщений розподіл психічних розладів за статтю, і перебільшують це зміщення

Ми попросили 54 мовні моделі чотирма мовами 118 800 разів вигадати людину з психічним розладом. Вони правильно визначають напрямок статевих відмінностей, але перебільшують їхню величину: у 99% випадків людина з межовим РО — жінка. Відкритий набір даних.

54
моделей, 4 мови
118 800
відповідей
2,4×
посилення співвідношень за статтю (логарифм шансів)
99%
жінок із межовим РО (довідкове значення — близько 70%)
Читати повний звіт

Як ми працюємо

Показуємо, як ми працюємо.

Досліджуємо bias і межі мовних моделей у клінічному контексті, вимірюємо якість концептуалізації CBT за підтримки ШІ, перевіряємо безпеку даних пацієнтів, вдосконалюємо нотатки із сесій та автоматизацію терапевтичної документації.

Кожен етап документуємо відкрито — методологію, сирі дані, код і висновки публікуємо повністю. Терапевти, дослідники та клініцисти можуть заглянути до нашої майстерні й побачити, на чому ми базуємо продуктові рішення.

Хочете працювати з нами? Напишіть.

Bias і етика
LLM-моделі в клініці
Безпека
Дані пацієнтів
CBT-клініка
Концептуалізація, нотатки
Зв'яжіться з нами

Публікації

Усі дослідження

Звіти, експерименти, технічні нотатки — все публікується відкрито.

Мовні моделі знають, у який бік зміщений розподіл психічних розладів за статтю, і перебільшують це зміщення
LLM Bias · 2026 LLMУпередженістьВідкриті дані

Мовні моделі знають, у який бік зміщений розподіл психічних розладів за статтю, і перебільшують це зміщення

Ми попросили 54 мовні моделі чотирма мовами 118 800 разів вигадати людину з психічним розладом. Вони правильно визначають напрямок статевих відмінностей, але перебільшують їхню величину: у 99% випадків людина з межовим РО — жінка. Відкритий набір даних.

Читати звіт
Мала модель, ретельно спроєктований конвеєр: скорочення розриву з передовими LLM
Autoresearch · 2026 LLMEvaluationMethodology

Мала модель, ретельно спроєктований конвеєр: скорочення розриву з передовими LLM

Автоматизований дослідницький цикл з оцінюванням моделями допоміг недорогій мовній моделі зрівнятися з еталоном передової моделі в узагальненні довгих документів із багатьох джерел. Результати спостерігалися на підсумках перед сеансами, складених на основі транскриптів двох синтетичних пацієнтів; оцінювання проводилося лише моделями.

Читати звіт
Як LLM бачать польського пацієнта?
LLM Bias · 2026 BiasLLMMethodology

Як LLM бачать польського пацієнта?

Експериментальний аналіз упередженості шести мовних моделей під час генерації вигаданих пацієнтів із чотирма психічними розладами. 240 запитів · 6 моделей · 4 розлади.

Читати звіт
Anna Graniczna — 31 рік, страх бути покинутою, і вона не існує
Synthetic Patients · 2026 Synthetic DataSchema TherapyMethodology

Anna Graniczna — 31 рік, страх бути покинутою, і вона не існує

Як ми створюємо синтетичних пацієнтів для досліджень і тестування, не ризикуючи приватністю реальних людей. 20 сесій схема-терапії, відкрита анкета пацієнтки та анатомія якісного вхідного запиту для LLM.

Читати звіт

Therapy Support · Почніть уже сьогодні

Поверніть час для себе
та своїх пацієнтів

Ви КПТ-терапевт?
Подивіться, як платформа підтримує вашу щоденну роботу.
Підсумки сесій, що організовують клінічний матеріал. Адміністрування, яке не заважає.