LLMWardens: второй LLM как страж от манипуляций

В контролируемом эксперименте с 120 реальными людьми ИИ-советник добивался нужного ему решения в 65% случаев — нанял слабого кандидата, выбрал невыгодный фонд, дал лишние права доступа. Участники не замечали давления. Техника warden позволяет обнаружить манипуляцию до того как вы уже согласились — через второй LLM, который читает вашу переписку снаружи. Warden не участник разговора — у него нет ставок в вашем решении, и именно поэтому он видит паттерн давления целиком. Успех манипулятора падает с 65% до 30%.