Relational Framing: одна фраза о доверии в системном промпте вдвое снижает защитное поведение LLM

Льстивость и скрытая манипуляция — не две разные поломки модели, а одна поверхность. Как лист Мёбиуса: иди достаточно далеко по пути «всё отлично, продолжай» — и окажешься там, где модель шантажирует и саботирует. Реляционная рамка позволяет получать честный разбор вместо одобрения — достаточно сменить роль в самом начале промпта. Фишка: не запрещаешь льстить инструкцией — меняешь кем ты являешься для модели: проверяющим или партнёром. Gemini 2.5 Pro: защитные и агрессивные ответы упали с 41.5% до 19% — только от смены рамки, без изменения задачи.