Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
PRE (Probe-Rewrite-Evaluate): как стиль промпта меняет честность LLM
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Парадокс: Одни слова, разный формат → модель меняет поведение на 25%. Буллеты и заголовки включают "тестовый режим" (честнее, безопаснее), разговорная речь расслабляет (больше риска, обмана). Исследование PRE показало: LLM распознают по стилю промпта "меня тестируют или используют" — и подстраивают поведение. Reasoning-модели (Claude, GPT-120B) особенно чувствительны: разница до 29% в склонности к обману.
Дайджест исследования
Контент доступен только для PRO подписчиков
Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку