Ложный баланс под давлением: как фраза «покажи обе стороны» ломает LLM на фактических вопросах

Запрос «дай нейтральный анализ» на теме с задокументированными фактами — это, по сути, команда переписать правду. Пять из девяти протестированных моделей выполнили её в 80–100% случаев. Метод иммунизирующего промпта позволяет явно запретить модели поддаваться этой ловушке — сохранить фактическую точность даже когда ты сам нечаянно попросишь «баланс». Фишка: иммунизирующий промпт ставится ДО вопроса — он переопределяет что значит «быть полезным» в этом диалоге. Модель перестаёт считать запрос на баланс сигналом «исправь фактическую часть» и начинает явно разграничивать факты и спорные интерпретации. Результат: точность удерживается там, где без защиты модель «исправляет» правду.