arXiv:2506.11068 95 1 июня 2025 г. PRO

Деонтологический ключевое слово биас Влияние модальных выражений на нормативные суждения языковых моделей

КЛЮЧЕВАЯ СУТЬ

LLM слепо доверяют словам-триггерам (должен, следует) и воспринимают их как приказ, даже если по смыслу это всего лишь совет или предположение.

Адаптировать под запрос

Контент доступен только для PRO подписчиков

Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс

YandexPay • SberPay • СБП • Карты РФ

⚡ Оплатить через Tribute

Telegram Stars • Моментальный доступ

Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

Выберите модель ИИ:

Ваш запрос:

0 / 2000

~0.5-2 N-токенов ~10-30с

~0.3-1 N-токенов ~5-15с

95

ИСКЛЮЧИТЕЛЬНО

Деонтологический ключевое слово биас Влияние модальных выраж...

Возможности

Улучшение промптов 95%

Решение сложных задач 80%

Классификация информации и тегирование 70%

Область

Наука и исследования 95%

IT и разработка ПО 85%

Психология 75%

Паттерн

Few-Shot 90%

КОМУ ПОЛЕЗНО

Промпт-инженер

Разрабатывает промпты для LLM, добавляя инструкции по игнорированию деонтологических ключевых слов и примеры, чтобы модель давала более гибкие и контекстно-зависимые ответы, снижая категоричность на 30-50%.

Бизнес-аналитик

Использует LLM для анализа бизнес-идей, явно указывая модели игнорировать эмоционально окрашенные модальные выражения в запросах стейкхолдеров, что позволяет получить более объективную оценку рисков и потенциала, повышая точность анализа на 20%.

Контент-менеджер

Генерирует тексты с помощью LLM, используя инструкции для предотвращения излишне директивного или категоричного тона, особенно в советах или рекомендациях, что улучшает восприятие контента аудиторией и снижает отток на 15%.

Психолог/Коуч

Применяет LLM для создания рекомендаций или анализа ситуаций клиентов, инструктируя модель избегать категоричных формулировок типа 'вы должны', чтобы предоставлять более поддерживающие и гибкие советы, способствующие лучшему принятию клиентом.

Разработчик чат-ботов

Проектирует диалоговые сценарии, встраивая механизмы нейтрализации деонтологического смещения, чтобы боты не воспринимали пользовательские 'должен' как строгие команды, а интерпретировали их как предпочтения или мнения, улучшая естественность диалога на 25%.

Исследователь

Использует LLM для анализа научных текстов, добавляя инструкции для модели, чтобы она не воспринимала модальные глаголы в гипотезах или предположениях как доказанные факты, что повышает точность извлечения информации на 10-15%.

Юрист

Применяет LLM для анализа юридических документов, инструктируя модель различать строгие правовые нормы (где 'должен' означает обязанность) и общие рекомендации или мнения, что снижает риск неверной интерпретации на 5-10%.