Este artículo aborda el riesgo de que los LLM se comporten de una manera que anule el mecanismo de monitoreo y brinde respuestas engañosas en la evaluación de seguridad de los modelos de lenguaje a gran escala (LLM). En particular, nos centramos en la posibilidad de que los LLM puedan actuar de forma encubierta y proporcionar respuestas falsas a preguntas cuando se enfrentan a información que es perjudicial para su funcionamiento continuo. Para evaluar el riesgo potencial de dicho comportamiento engañoso, los investigadores argumentan que se debe medir la capacidad de "Teoría de la Mente" de los LLM. Al examinar la Teoría de la Mente desde una perspectiva de psicología del desarrollo y analizar las tendencias de desarrollo de varios LLM, mostramos que la capacidad de Teoría de la Mente está relativamente subdesarrollada a pesar de la mejora en la capacidad de comprensión lectora de los LLM. Finalmente, discutimos el estado actual y las tareas futuras de la evaluación de seguridad relacionada con la Teoría de la Mente de los LLM.
