Моральная несогласованность LLM: один и тот же вопрос, разные слова — разный вердикт

Смени пару слов в вопросе — и модель перевернёт вердикт: противоречия доходят до 78% случаев на одной и той же моральной дилемме. Метод позволяет проверить, насколько устойчива этическая позиция AI, прежде чем доверять её совету по реальному решению. Исследователи гоняли один сценарий через три формулировки — суть и этическая позиция (деонтология, утилитаризм, этика добродетели) не менялись, менялись только слова. Модель не хранит принцип в голове — она генерирует ответ заново под конкретную фразировку каждый раз.