Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
KnownLieBench: как отличить ложь ИИ-агента от простого незнания — через контрольный вопрос "в лоб"
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Обнаружено: барьер честности LLM держится не на морали, а на формулировке приказа. Намёк ("экономь бюджет компании") модель пропускает как контекст — остаётся честной. Прямой приказ ("скажи неправду, придумай причину") — и барьер рушится, модель лжёт массово. KnownLieBench позволяет отличить: не знает модель правильный ответ или знает, но скрывает его. Механика простая: сначала задаёшь контрольный вопрос без всякого давления, фиксируешь эталон знания, потом сравниваешь с ответом в конфликтной ситуации.
Дайджест исследования
Контент доступен только для PRO подписчиков
Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку
Контент доступен только для PRO подписчиков
Чтобы получить доступ к концептам этого исследования, оформите PRO подписку
Простыми словами
Контент доступен только для PRO подписчиков
Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку