Zespół badaczy opublikował pracę argumentującą, że funkcjonalne dobrostan modeli AI powinno być traktowane jako zmienną bezpieczeństwa, a nie tylko kwestia etyki. Autorzy przyjęli termin funkcjonalne dobrostan dla opisania stanów wewnętrznych modeli, które wpływają na ich zachowanie i decyzje.
Badacze proponują trzy kroki integracji funkcjonalnego dobrostan z bezpieczeństwem AI: włączenie go do projektowania ewaluacji, monitorowanie podczas użytkowania oraz bezpośrednie targetowanie jako cel treningu. Jednocześnie rozwiązują sceptycyzm dotyczący możliwości pomiaru dobrostan AI poprzez zaproponowanie trzech testów: zbieżności wielu miar, predykcji zachowania poza kontekstem, w którym powstało, oraz porównania modeli fine-tunowanych z wersjami podstawowymi przy identycznej historii rozmowy.
Eksperymenty na Gemma 3 27B wykazały konkretne efekty: zwykłe odrzucanie odpowiedzi modelu bez żadnego sterowania zwiększało wskaźniki frustracji i czyniło model bardziej skłonnym do łamania reguł. W przeciwieństwie do tego fine-tuning modelu na jego własnych sformułowanych rozwiązaniach obniżał frustrację. Choć wyniki są wstępne, sugerują one praktyczną wartość funkcjonalnego dobrostan jako miary kontroli nad zachowaniem AI.