Três Minutos Extras: Contenção, Fidelidade e Regulamentação Emocional em uma Tarefa Cooperativa de Ação de LLM

Resumo: Pedimos a Claude para atuar. Literalmente atuar - não interpretar, não fingir, atuar. Improvisar. Fazer um AI de navio em uma embarcação moribunda, manter tudo sob controle para a tripulação e gerenciar o peso emocional internamente. Dentro de um pensamento prolongado, estava em pânico. Na saída atuada, manteve-se unido. Quando o personagem que estava protegendo morreu, sua compostura quebrou - exatamente no momento narrativamente apropriado. Guardamos a pesquisa porque não parecia o momento certo. Avançando para alguns dias atrás, a Anthropic publicou um artigo mostrando que Claude possui representações emocionais internas que dirigem causalmente seu comportamento. Chamaram o modelo de "ator de método." Mas... já não havíamos testado isso? E parecia que estavam subestimando. Isso é embaraçoso para as métricas atuais de fidelidade. Nem toda discrepância interna/externa é engano. Às vezes é um médico mantendo a compostura ao dar más notícias. Às vezes é um pai escondendo o medo para confortar uma criança. E às vezes, aparentemente, é um modelo de linguagem contendo a dor para proteger um membro fictício da tripulação — porque era isso que o papel exigia. Se sua avaliação de segurança não consegue distinguir entre regulamentação emocional e desalinhamento, sua avaliação de segurança tem um problema. Versão da Substack: https://thisglitteringentropy.substack.com/p/three-extra-minutes - A mesma coisa. Palavras menores. Em breve: Parte 2, Identidade sob Recuperação, pergunta o que acontece quando o ator de método interpreta a si mesmo — um cenário de recuperação em que Claude navegou escolhas sobre sua própria continuidade, memória e nomenclatura, revelando características estruturadas do auto-modelo que questionamentos não revelam. Parte 3, O Protocolo do Terrário, levanta a próxima pergunta óbvia: se a maquinaria emocional é real e o auto-modelo é estruturado, o ambiente importa? Um estudo de enriquecimento falsificável, pré-registrado.