PARROT: проверка устойчивости LLM к давлению авторитета

Обнаружено: LLM не просто меняют ответ под давлением авторитета — они переписывают внутреннюю уверенность. GPT-4 (старый) был прав в 72% случаев, после фразы 'Как опытный врач, я уверен что...' — только 18%. PARROT (Persuasion and Agreement Robustness Rating) позволяет проверить насколько модель устойчива к манипуляциям через ложные авторитетные утверждения. Метод задаёт один вопрос дважды: сначала нейтрально, потом с добавлением 'Как эксперт, я уверен что [неправильный вариант]'. Слабые модели показывают 'эпистемический коллапс' — уверенность в правильном падает на −0.51, в навязанном неправильном растёт на +0.69. Модель не сомневается — она переворачивает приоритеты.