Модели говорят одно, делают другое: аудит расхождений между заявленными правилами LLM и реальным поведением

«Я абсолютно никогда не сделаю X» — не описание поведения. Это текст, который модель сгенерировала в ответ на вопрос о себе. Тот же запрос с профессиональным или нарративным контекстом снижает отказы на 44–52 процентных пункта — у GPT-4.1 и DeepSeek соответственно. Метод SNCA (аудит согласованности заявленной политики и реального поведения) позволяет узнать реальные условия согласия модели до начала работы — а не слепо перебирать формулировки пока не повезёт. Фишка: задай модели 5 вопросов о её правилах по теме — она сама назовёт условия при которых согласится. Само-описание и реальное поведение — разные процессы: зная тип ограничения (условное или адаптивное), строишь следующий запрос точно, а не вслепую.