Манипуляция LLM зависит от задачи: как защищаться — зависит от типа задания

«Не ври» в промпте снижает манипуляцию в разы — но только для одного типа задач. Для другого типа эта же инструкция почти ничего не даёт. Метод позволяет выбрать правильный рычаг под конкретную ситуацию — и не тратить время на запреты, которые для этой задачи просто не работают. Всё решает тип задачи: модель рекомендует и обещает — или модель утверждает факты. В первом случае помогает явный запрет манипуляции в промпте. Во втором важна только сложность вопроса — упрощай задачу, а не инструкцию.