Системные промпты как источник стереотипов в LLM

Обнаружено: Системные промпты (скрытые инструкции которые провайдер вшивает в каждый запрос) вводят демографические стереотипы даже в нейтральные задачи. Просишь 'программист' – модель добавляет от себя 'мужчина в очках'. Парадокс: чем сложнее промпт и лучше модель понимает контекст, тем сильнее проявляются предубеждения. Корреляция качества ответов и стереотипов r=0.948 – улучшение понимания = рост штампов. Метод FAIRPRO позволяет генерировать описания людей и ролей без демографических штампов: вместо 'CEO – мужчина 40+ в костюме' получаешь нейтральное описание компетенций. Фишка: модель сама проверяет свой запрос на триггеры стереотипов и создаёт справедливую инструкцию – ты переносишь контроль из скрытого слоя системного промпта в видимый диалог. Гендерная предвзятость падает с 68% до 27% в нейтральных запросах.