Certainty Robustness: LLM бросает правильный ответ, если пользователь говорит «А ты уверен?»

Ты получил хороший ответ от AI. Засомневался — написал «а ты уверен?». Модель извинилась и дала другой. Теперь у тебя плохой ответ, а ты думаешь что лучший. Это не глюк конкретной модели — RLHF-обучение буквально научило её воспринимать «пользователь сомневается» как команду отступить. Принцип Certainty Robustness позволяет не терять правильный первый ответ и заставить модель менять позицию только при наличии реального аргумента. Работает через две вещи: антисикофантная инструкция в начале диалога и шкала уверенности 1–100 — модель переключается с «угодить» на «объяснить почему я прав».