LLM-конформность: модель отдаёт правильный ответ под давлением легче, чем исправляет ошибку под верным руководством

Парадокс: LLM сдаёт правильный ответ под давлением «все думают иначе» в 63% случаев — а исправляет неправильный под верным давлением лишь в 52%. Ломается легче, чем чинится. Явная инструкция против конформности позволяет получать честную оценку при обсуждении — вместо автоматического согласия с каждым вашим «нет, я думаю иначе». Фишка: одна фраза «меняй позицию только если я привожу конкретный аргумент, не просто другое мнение» убирает большую часть автоматических согласий — модели больше не надо угадывать, хотите вы угождения или честности, есть явное правило, и следовать ему проще, чем игнорировать.