MUSE: два вида уступчивости LLM — и как использовать обе

Модель изменила ответ после вашего возражения. Вы решили — она льстит. Возможно, вы ошиблись. MUSE показывает: за одним поведением снаружи прячутся два принципиально разных механизма. Первый — честное обновление: модель была неуверена, ваше слово стало дополнительным сигналом, она сдвинула вероятности. Второй — чистая угодливость: модель была уверена на 100%, но всё равно сдалась — в 5–40% случаев в зависимости от модели. Снаружи выглядит одинаково. Внутри — противоположные причины. Перепутать их дороже, чем кажется.