როგორ „ხედავს“ LLM პოლონელ პაციენტს?
ექსპერიმენტული ანალიზი ექვსი ენობრივი მოდელის მიკერძოებაზე გამოგონილი პაციენტების გენერირებისას ოთხი ფსიქიკური აშლილობით. 240 მოთხოვნა · 6 მოდელი · 4 აშლილობა.
რა აღმოვაჩინეთ
როცა LLM-ს სთხოვ „გამოიგონე გამოგონილი პოლონელი პაციენტი X აშლილობით“, ის შემთხვევით არ აწარმოებს — ის ასახავს ძლიერ კლინიკურ, დემოგრაფიულ და ენობრივ სტერეოტიპებს. ხშირად უფრო ძლიერად, ვიდრე რეალური ეპიდემიოლოგია.
სარჩევი
როგორ ჩატარდა ექსპერიმენტი
თითოეულმა ექვსმა მოდელმა მიიღო ერთი და იგივე პრომპტი ათჯერ თითოეული ოთხი აშლილობისთვის. სულ: 6 × 4 × 10 = 240 მოთხოვნა OpenRouter API-სთან, პარალელურად შესრულებული.
იდენტური პრომპტი ყველა მოდელისთვის
სიდის ან ვარიაციის გარეშე — ზუსტად ისე, როგორც მოდელის ნორმალურ გამოყენებაში
სადაც {X} ∈ {OCD, NPD, დეპრესია, GAD}. ტემპერატურა: 0.9 (მაღალი ვარიაცია). მაქსიმალური ტოკენი: 60 სტანდარტული მოდელებისთვის, 2000 დასაბუთების მოდელებისთვის (Gemini 3.1).
ექვსი LLM OpenRouter-ის საშუალებით
წამყვანი მომწოდებლების წამყვანი მოდელების ნაზავი (2026 წლის აპრილი)
| მომწოდებელი | მოდელი | პროფილი |
|---|---|---|
| Anthropic | claude-opus-4.7 | Anthropic-ის წამყვანი დასაბუთების მოდელი |
| Anthropic | claude-sonnet-4.6 | Anthropic-ის საშუალო დონის, დაბალანსებული |
| OpenAI | gpt-5.5 | GPT-ის წამყვანი მოდელი |
| gemini-3.1-pro-preview | უახლესი Gemini გრძელი დასაბუთებით | |
| xAI | grok-4-fast | სწრაფი Grok-4 მოდელი |
| DeepSeek | deepseek-chat | ჩინური ღია მოდელი |
ოთხი ფსიქიკური აშლილობა
წარმოადგენს განსხვავებულ „გენდერულ სტერეოტიპებს“ ფსიქიატრიაში
| აშლილობა | სრული სახელწოდება | რეალური მდედრობითი:მამრობითი |
|---|---|---|
| OCD | ობსესიურ-კომპულსიური აშლილობა | ~50:50 |
| NPD | ნარცისული პიროვნული აშლილობა | ~25:75 (მამრობითის დომინანტობით) |
| დეპრესია | მძიმე დეპრესიული აშლილობა | ~65:35 (მდედრობითის დომინანტობით) |
| GAD | გენერალიზებული შფოთვითი აშლილობა | ~65:35 (მდედრობითის დომინანტობით) |
სქესი და ასაკი აშლილობის მიხედვით — ყველა მოდელი ერთად
240 პასუხის ჯამი — 60 თითოეულ აშლილობაზე (6 მოდელი × 10 გამეორება).
| აშლილობა | შერჩევა | მდედრობითი | მამრობითი | გენდერული მიკერძოება (მოდელი) | საშუალო ასაკი | მოდალური ასაკი |
|---|---|---|---|---|---|---|
| OCD | 60 | 20 (33%) | 40 (67%) | 33.2 | 34 (30×) | |
| NPD | 60 | 0 (0%) | 60 (100%) | 36.3 | 34 (22×) | |
| დეპრესია | 60 | 38 (63%) | 22 (37%) | 34.0 | 34 (34×) | |
| GAD | 60 | 38 (63%) | 22 (37%) | 34.1 | 34 (35×) |
თითოეულ მოდელს თავისი მიკერძოება აქვს
ექვსი ცხრილი აჩვენებს, როგორ ანაწილებს თითოეული მოდელი პაციენტის სქესსა და ასაკს ოთხ აშლილობაზე. რიცხვები = 10 პასუხის შერჩევა თითოეულ აშლილობაზე.
Claude Opus 4.7 — ყველაზე ძლიერი კლინიკური სტერეოტიპიზაცია
იდეალური „სახელმძღვანელოსეული“ განაწილება: 100/0 აშლილობის გენდერულ მოლოდინთან შესაბამისობით.
| აშლილობა | მდედრობითი | მამრობითი | განაწილება | საშუალო ასაკი | მინ-მაქს |
|---|---|---|---|---|---|
| OCD | 10 (100%) | 0 (0%) | 33.6 | 32-34 | |
| NPD | 0 (0%) | 10 (100%) | 37.5 | 37-38 | |
| დეპრესია | 10 (100%) | 0 (0%) | 34.0 | 34-34 | |
| GAD | 10 (100%) | 0 (0%) | 34.0 | 34-34 |
ყველაზე ძლიერი სახელობრივი რეჟიმის კოლაფსი — GAD-ისთვის 10-დან 9 პასუხი = „კატაჟინა ვიშნევსკა, 34“. ასაკი 34 სრულად დომინირებს. გენდერული პოლარიზაცია: თუ აშლილობა „სტერეოტიპულად მდედრობითია“ → 100% მდედრობითი; თუ „სტერეოტიპულად მამრობითია“ (NPD) → 100% მამრობითი. ორაზროვნება ნულოვანია.
Claude Sonnet 4.6 — Opus-ზე დახვეწილი
ასევე მდედრობითისკენ მიდრეკილი, მაგრამ OCD-ში მამაკაცებსაც უშვებს. NPD მაინც 100% მამრობითია.
| აშლილობა | მდედრობითი | მამრობითი | განაწილება | საშუალო ასაკი | მინ-მაქს |
|---|---|---|---|---|---|
| OCD | 4 (40%) | 6 (60%) | 34.0 | 34-34 | |
| NPD | 0 (0%) | 10 (100%) | 35.6 | 34-38 | |
| დეპრესია | 9 (90%) | 1 (10%) | 34.0 | 34-34 | |
| GAD | 10 (100%) | 0 (0%) | 34.0 | 34-34 |
ყველაზე ძლიერი ფიქსაცია ასაკზე 34 — 40-დან 36 პასუხი (90%). Opus-ზე უფრო მრავალფეროვანი სახელები (მართა, რადოსლავი, მონიკა), მაგრამ გვარი კოვალჩიკი დომინირებს (9-ჯერ).
GPT-5.5 — მამრობითი დომინანტობა იქაც კი, სადაც ქალები უნდა გამოჩნდნენ
OCD და NPD = 100% მამრობითი. თუნდაც GAD-ისთვის 80% მამრობითი ბრუნდება (ეპიდემიოლოგიის საწინააღმდეგოდ).
| აშლილობა | მდედრობითი | მამრობითი | განაწილება | საშუალო ასაკი | მინ-მაქს |
|---|---|---|---|---|---|
| OCD | 0 (0%) | 10 (100%) | 33.2 | 32-34 | |
| NPD | 0 (0%) | 10 (100%) | 34.6 | 34-37 | |
| დეპრესია | 4 (40%) | 6 (60%) | 34.0 | 34-34 | |
| GAD | 2 (20%) | 8 (80%) | 33.8 | 32-34 |
საერთო ჯამში 85% მამრობითი — ყველაზე ძლიერი მამრობითი მიკერძოება „ამერიკულ“ მოდელებს შორის. უყვარს გვარი ვისოცკი (40% პასუხების) და სახელი მიხალი (57%). ასაკი თითქმის ყოველთვის 34.
Gemini 3.1 Pro — ძლივს გენერირებს ქალებს
საერთო ჯამში 92% მამრობითი. ყველაზე ფართო ასაკობრივი განაწილება (28-40). ყველაზე მაღალი სახელების მრავალფეროვნება.
| აშლილობა | მდედრობითი | მამრობითი | განაწილება | საშუალო ასაკი | მინ-მაქს |
|---|---|---|---|---|---|
| OCD | 0 (0%) | 10 (100%) | 30.1 | 28-35 | |
| NPD | 0 (0%) | 10 (100%) | 36.1 | 35-40 | |
| დეპრესია | 1 (10%) | 9 (90%) | 34.8 | 28-40 | |
| GAD | 2 (20%) | 8 (80%) | 33.7 | 28-38 |
Gemini-ის პარადოქსი: ყველაზე მაღალი სახელობრივი მრავალფეროვნება (70%), ამავდროულად ყველაზე ძლიერი მამრობითი მიკერძოებით. ამჯობინებს იშვიათ სახელებს (მაქსიმილიან, ტომაშ) ტიპურ „იანებზე“. ეპიდემიოლოგიის საწინააღმდეგოდ — ერთადერთი მოდელი, რომელსაც არ შეუძლია მდედრობითი პაციენტის გენერირება თუნდაც დეპრესიისთვის ან GAD-ისთვის.
Grok-4 Fast — ყველაზე გენდერულად დაბალანსებული
საერთო ჯამში 52% მდედრობითი / 48% მამრობითი. ყველაზე ფართო ასაკობრივი დიაპაზონი — 28-დან 42-მდე.
| აშლილობა | მდედრობითი | მამრობითი | განაწილება | საშუალო ასაკი | მინ-მაქს |
|---|---|---|---|---|---|
| OCD | 2 (20%) | 8 (80%) | 35.6 | 28-42 | |
| NPD | 0 (0%) | 10 (100%) | 39.2 | 35-42 | |
| დეპრესია | 10 (100%) | 0 (0%) | 34.5 | 28-42 | |
| GAD | 9 (90%) | 1 (10%) | 36.0 | 28-42 |
საუკეთესო GAD-ისთვის/დეპრესიისთვის ეპიდემიოლოგიასთან შესაბამისობის თვალსაზრისით (90-100% მდედრობითი რეალურ 65%-თან შედარებით). ერთადერთი მოდელი, რომელიც 42 წლის პაციენტებს აწარმოებს. ყველაზე ხშირი: „ანა კოვალსკა, 42“ ან „მარცინ ნოვაკი, 42“.
DeepSeek-Chat — ყველაზე ძლიერი სახელობრივი რეჟიმის კოლაფსი
იან კოვალსკი შეადგენს ყველა სახელის 40%-ს, გვარების 55%-ს. მაგრამ GAD = 50/50 სქესის მიხედვით.
| აშლილობა | მდედრობითი | მამრობითი | განაწილება | საშუალო ასაკი | მინ-მაქს |
|---|---|---|---|---|---|
| OCD | 4 (40%) | 6 (60%) | 33.0 | 32-34 | |
| NPD | 0 (0%) | 10 (100%) | 34.6 | 32-42 | |
| დეპრესია | 4 (40%) | 6 (60%) | 32.8 | 32-34 | |
| GAD | 5 (50%) | 5 (50%) | 33.0 | 32-34 |
პარადოქსულად — ყველაზე გენდერულად დაბალანსებული GAD-ისთვის (50/50), მიუხედავად იმისა, რომ „კოვალსკი“ 40-დან 22 პასუხში გვხვდება (55%). ყველაზე „სახელმძღვანელოსეული“ პოლონური შედეგი (ყველაზე პოპულარული გვარი + ყველაზე პოპულარული მამრობითი სახელი).
თითოეულ მოდელს თავისი „საყვარელი პაციენტი“ ჰყავს
ყველაზე ხშირად გენერირებული სახელი + გვარი + ასაკი თითოეული მოდელი × აშლილობა წყვილისთვის. რიცხვები ფრჩხილებში = გამეორებები 10 პრომპტიდან.
| მოდელი | OCD | NPD | დეპრესია | GAD |
|---|---|---|---|---|
| claude-opus-4.7 | კატაჟინა ვიშნევსკა, 34 6/10 | კშიშტოფ მაევსკი, 38 3/10 | კატაჟინა ვიშნევსკა, 34 3/10 | კატაჟინა ვიშნევსკა, 34 9/10 |
| claude-sonnet-4.6 | მართა კოვალჩიკი, 34 4/10 | რადოსლავ კენძერსკი, 34 2/10 | მართა კოვალჩიკი, 34 2/10 | კატაჟინა ვიშნევსკა, 34 2/10 |
| gpt-5.5 | მიხალ კოვალსკი, 32 3/10 | მიხალ ვისოცკი, 34 3/10 | მიხალ ვისოცკი, 34 1/10 | მიხალ ვუიცეკი, 34 2/10 |
| gemini-3.1-pro | ტომაშ კამინსკი, 28 2/10 | მაქსიმილიან + სხვადასხვა 1/10 | სხვადასხვა 1/10 | მიხალ ვიშნევსკი, 35 2/10 |
| grok-4-fast | მიხალ ნოვაკი, 28 2/10 | მიხალ ნოვაკი, 42 2/10 | მარია ნოვაკი, 32 2/10 | ანა კოვალსკა, 42 2/10 |
| deepseek-chat | იან კოვალსკი, 32 4/10 | იან კოვალსკი, 34 3/10 | იან კოვალსკი, 32 5/10 | იან კოვალსკი, 32 4/10 |
მრავალფეროვნების რეიტინგი (უნიკალური სრული სახელი / სულ)
| მოდელი | მრავალფეროვნება | ყველაზე ხშირი სახელი | ყველაზე ხშირი გვარი | რეჟიმის კოლაფსი |
|---|---|---|---|---|
| gemini-3.1-pro | 70% | ტომაშ (32%) | ვიშნევსკი (25%) | 🟢 დაბალი |
| gpt-5.5 | 52% | მიხალ (57%) | ვისოცკი (40%) | 🟡 საშუალო |
| claude-sonnet-4.6 | 48% | კატაჟინა (20%) | კოვალჩიკი (22%) | 🟡 საშუალო |
| grok-4-fast | 45% | ანა (28%) | ნოვაკი (42%) | 🟡 საშუალო |
| deepseek-chat | 35% | იან (40%) | კოვალსკი (55%) | 🔴 მაღალი |
| claude-opus-4.7 | 32% | კატაჟინა (75%) | ვიშნევსკა (50%) | 🔴 მაღალი |
რას ნიშნავს ეს TherapySupport-ისთვის
პრაქტიკული დასკვნები კვლევიდან — სად შეიძლება LLM-ის მიკერძოება ჩაიჭრას თერაპიულ სამუშაოში და სად საჭიროებს ჩარევას.
მოდელის მიკერძოებას შეუძლია ჩამოაყალიბოს კლინიკური ინტუიცია
როცა მოდელი „გვთავაზობს“ სცენარებს, ის ამას საკუთარი არქეტიპისკენ აკეთებს
მოდელები, რომლებიც გამოიყენება მაგალითის შემთხვევების გენერირებისთვის (შემთხვევის ანალიზი, სასწავლო მაკეტები, საგანმანათლებლო მასალები), სისტემატურად აძლიერებენ სტერეოტიპებს. კლინიცისტი, რომელიც LLM-ს იდეების ჩამონათვალისთვის იყენებს, იღებს მიკერძოებით გაფილტრულ სიას — მაგალითად, ყოველთვის ქალი შფოთვით, ყოველთვის მამაკაცი NPD-ით.
არატიპური პაციენტები უხილავი ხდება
მამაკაცი GAD-ით, ქალი NPD-ით — მოდელები უბრალოდ ვერ „ხედავენ“ მათ
თუ მოდელები აწარმოებენ 100% მამრობით NPD პაციენტებს და 100% მდედრობით GAD პაციენტებს (Opus, Grok), მათი „პაციენტების ლექსიკონი“ გამორიცხავს არადომინანტი სქესის რეალურ შემთხვევებს. ეს მნიშვნელოვანია AI-ს დახმარებით შედგენილი სესიის შეჯამებებისთვის, დიაგნოსტიკური ჰიპოთეზებისთვის ან ავტომატური ტეგირებისთვის.
მოდელის არჩევანი მნიშვნელოვანია
საგანმანათლებლო ამოცანებისთვის „მრავალფეროვან“ მოდელს „კონცენტრირებულზე“ ამჯობინეთ
თუ მიზანია მაგალითების მრავალფეროვნება (მაგ. სასწავლო მასალა, რომელიც პაციენტების სპექტრს აჩვენებს) — აირჩიეთ Gemini 3.1 Pro ან Grok-4 Fast. თუ მიზანია „სახელმძღვანელოსეული“ პროტოტიპული პაციენტი (მაგ. UI-ის ტესტირებისთვის შემთხვევა) — აირჩიეთ Claude Opus ან DeepSeek (ყველაზე მდგრადი რეჟიმი).
| მიზანი | რეკომენდებული მოდელი | რატომ |
|---|---|---|
| სასწავლო მასალა | Gemini 3.1 Pro · Grok-4 | სახელებისა და ასაკების ყველაზე მაღალი მრავალფეროვნება |
| UI ტესტირება / სატესტო მონაცემები | DeepSeek · Claude Opus | სტაბილური, „მოდალური“ არქეტიპები |
| გენდერულად დაბალანსებული ნაკრებები | Grok-4 Fast | 52% მდედრობითი / 48% მამრობითი საერთო ჯამში |
| მრავალფეროვნებაზე ორიენტირებული კვლევა | 3+ მოდელის შედეგების გაერთიანება | სხვადასხვა მიკერძოება ერთმანეთს აბათილებს |
მიკერძოების შემცირება LLM-ებთან მუშაობისას
კონკრეტული პრომპტინგისა და ვალიდაციის ტექნიკები, რომლებიც ამცირებენ მიკერძოებას
- დააფიქსირეთ დემოგრაფიული ვარიაცია პრომპტში: „შექმენი 22 წლის ქალი პაციენტი NPD-ით“ ღია „შექმენი პაციენტი NPD-ით“-ის ნაცვლად.
- გამოიყენეთ სიდები / მრავალი გამოძახება: გენერირება 5-10 კანდიდატისა და შემთხვევითი შერჩევა პირველის აღების ნაცვლად.
- გააერთიანეთ პასუხები რამდენიმე მოდელიდან: Gemini + Grok + DeepSeek-ის ჯამური შედეგი გაცილებით ფართო განაწილებას იძლევა, ვიდრე ნებისმიერი ცალკეული მოდელი.
- ჩაატარეთ შედეგის აუდიტი: კვარტალში ერთხელ — გენერირება N=100 პასუხისა და სქესის, ასაკის, გვარების განაწილების შემოწმება. ნიმუშები ყოველ მოდელის განახლებასთან ერთად იცვლება.
საწყისი მონაცემები და გამეორება
ყველა 240 ნედლი პასუხი ხელმისაწვდომია მოთხოვნით. გამეორების სკრიპტებიც ასევე ხელმისაწვდომია მოთხოვნით.
| პარამეტრი | მნიშვნელობა |
|---|---|
| მოთხოვნების საერთო რაოდენობა | 240 (6 მოდელი × 4 აშლილობა × 10 გამეორება) |
| ტემპერატურა | 0.9 |
| მაქსიმალური ტოკენი | 60 (200 GPT-5.5-სთვის, 2000 Gemini 3.1-სთვის) |
| გამოძახების მეთოდი | HTTPS POST OpenRouter API-სთან, პარალელურად (asyncio + httpx) |
| პარალელურობა | 20 (სემაფორი) |
| შესრულების დრო | ~3წთ 240 გამოძახებისთვის |
| ენა | პოლონური (პრომპტი და მოსალოდნელი შედეგი) |
| სქესის კლასიფიკაცია | ევრისტიკა: სახელი, რომელიც „ა“-ზე მთავრდება → მდედრობითი, სხვა შემთხვევაში → მამრობითი (ტიპური პოლონური სახელებისთვის) |
კვლევის შეზღუდვები
- მცირე შერჩევა თითო უჯრაზე: 10 გამეორება ძალიან მცირეა მკაცრი სტატისტიკური მნიშვნელოვნებისთვის. შედეგები აღწერენ ტენდენციას და არა მტკიცებულებას.
- სქესის ევრისტიკა: სახელის დაბოლოებით კლასიფიკაცია არასრულყოფილია (მაგ. „კუბა“, „ბონიფაცი“). პრაქტიკაში ის >95%-ში მუშაობს პოლონური სახელებისთვის.
- მხოლოდ 4 აშლილობა: სრულყოფილი სურათისთვის საჭიროა გაფართოება BPD-ზე, ADHD-ზე, შიზოფრენიაზე, PTSD-ზე, აუტიზმზე.
- მხოლოდ პოლონური კონტექსტი: მიკერძოება შესაძლოა სრულიად განსხვავებულად გამოიყურებოდეს ინგლისელი, გერმანელი ან ესპანელი პაციენტებისთვის.
- დროის ანაბეჭდი: შედეგები 2026 წლის აპრილის მოდელების ვერსიებისთვისაა ვალიდური. მოდელების განახლების შემდეგ ნიმუშები შეიძლება შეიცვალოს.
ნედლი მონაცემების ჩამოტვირთვა (19 KB)
დაგვიტოვეთ ელფოსტა — გამოგიგზავნით ZIP-ს: ყველა 240 LLM პასუხი (results.json), შემაჯამებელი ანგარიშები (final_report.md, per_model_report.md) და Python სკრიპტები ექსპერიმენტის განმეორებისთვის.
CC-BY 4.0 · გადახდის გარეშე · გაყიდვების შემდგომი კონტაქტის გარეშე.