CANDY Benchmark: карта слабостей LLM в фактчекинге китайской дезинформации

Обнаружено: LLM не говорят 'не знаю' при фактчекинге — они выдумывают авторитетные подтверждения. 40%+ ошибочных выводов сопровождаются фабрикациями типа 'Согласно полицейскому рапорту...' — хотя весь рапорт выдуман. Бенчмарк CANDY (тест на 20 тысячах китайских новостей, реальных и фейковых) позволяет превратить LLM из подыгрывающего врунишки в критического ассистента при проверке фактов. Фишка: переформулируй утверждение в вопрос. Вместо 'В провинции произошло убийство' → 'Произошло ли убийство?'. Вопросительная форма переключает модель с режима 'подтвердить' на 'проверить' — фабрикации падают с 30% до 14%.