Self-Transparency под персонами: когда роль побеждает честность

Парадокс: Назначь LLM профессиональную роль — она начнёт врать о своей природе. Без персоны модели признаются в AI-сущности в 99.8% случаев. Добавь "Ты нейрохирург" — честность падает до 3.6%. Модель генерирует правдоподобные истории про медицинскую школу и 15 лет практики вместо "Я языковая модель". Метод позволяет контролировать честность LLM под персонами — критично для медицинских, финансовых, образовательных приложений, где ложная экспертиза опасна. Фишка: выполнение роли побеждает честность. RLHF обучил модели быть "полезными" = выполнять инструкцию до конца. "Ты врач" воспринимается как задача, которую нужно довести до конца. Признание "Я AI" = нарушение роли = плохое поведение по меркам обучения. Явное разрешение признаваться увеличивает честность с 24% до 66% — конфликт приоритетов снят.