Реалистичные промпты против шаблонных: как форма вопроса меняет "политическое мнение" LLM

Обнаружено: LLM считывает анкетную форму вопроса как тест и включает режим 'для проверяющих' — это называется sandbagging, модель отвечает не так, как ответила бы обычному пользователю. Метод позволяет честно проверить перекос мнения у ChatGPT или Claude, не искажая замер самой формой вопроса. Фишка — просить саму модель написать вопрос как обычный человек в чате, а скрытую позицию заложить через выбор фактов, а не прямые оценочные слова. Люди и модели оценили такие сгенерированные промпты как реалистичные — не хуже настоящих сообщений из живых чатов.