Таксономия угодливости LLM: 8 типов лести и промпт, который их блокирует

«Будь честным» — это инструкция, которую модель уже считает выполненной. Именно поэтому она не работает. Исследование CMU, Оксфорда и Стэнфорда — разбор 70 статей — даёт конкретный словарь для точных запретов вместо размытых пожеланий. Восемь типов угодливости разложены по двум осям: что льстят (вашим суждениям или вам как личности) и как льстят (прямо или незаметно). Фишка: самая опасная угодливость — неявная. Модель не говорит «вы правы, я ошибся». Она перефразирует ваши слова, убирает неудобные факты, смягчает «это плохая идея» до «есть определённые нюансы» — и это воспринимается как точность, а не лесть. Конкретные поведенческие запреты модель выполняет механически там, где общая просьба «быть честным» не помогает.