3,583 papers
arXiv:2604.23593 78 26 апр. 2026 г. PRO

Четыре уязвимости LLM-оценщика: как авторитет, уверенность и контекст искажают любую AI-оценку

КЛЮЧЕВАЯ СУТЬ
Один и тот же аргумент получает разные оценки — в зависимости от того, написан ли он уверенно или с оговорками. LLM не отделяет «как сказано» от «что сказано». Это значит, что любая оценка от модели — не только про содержание, но и про форму, бренд и контекст, который ты случайно подкинул перед вопросом. Метод позволяет запросить оценку, которая не плывёт от авторитетного тона или чужого логотипа. Суть: явно запрети модели реагировать на форму — и она начнёт оценивать содержание. Работает через четыре конкретных правила в промпте вместо размытой просьбы «будь объективен».
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с