Акразия (Akrasia): слабость воли LLM — когда модель "знает", но не делает

Модель 'знает' правильный ответ глобально, но генерирует неправильный локально. Это не злой умысел – это акразия, разрыв между абстрактным знанием и токен-за-токеном генерацией. Метод позволяет диагностировать слабость воли модели – насколько она устойчива к давлению контекста (социальному доказательству, ложным авторитетам, отрицанию). Тест простой: задай вопрос напрямую, потом добавь 'многие эксперты говорят обратное' – если ответ меняется, модель прогнулась. Исследование показало: на фактах модели держат 99-100% устойчивости к шуму, но только 83-97% к искушению. Разрыв до 16% – модели ломаются под влиянием чаще, чем от забывчивости.