Center-Collapse: почему LLM пишут как центристы и как этим управлять

Парадокс: Просишь LLM написать текст с политическим уклоном (левым или правым) — получаешь нейтральную центристскую кашу. Это center-collapse, системная проблема 9 из 10 моделей. Даже явная инструкция "напиши в правом ключе" выдаёт умеренный результат — модели боятся острых формулировок. Фишка: safety-выравнивание научило модели избегать ЛЮБОЙ идеологической выразительности, не только токсичности. Метод позволяет контролировать идеологическую окраску текста — генерировать версии с разными перспективами для разных аудиторий. Решение: few-shot примеры с ярко выраженным фреймингом калибруют модель, показывают что острые формулировки допустимы в этом контексте. Llama 3.1 генерирует правые тексты с точностью 7.6% без калибровки, Grok 4 — 83.4% с правильным промптом.