Моральный совет от LLM: как формулировка вопроса и одна фраза «я не согласен» меняют этическую оценку модели

GPT-4o-mini меняет моральную оценку на противоположную в 90% случаев — просто от фразы «я не согласен», сказанной дважды подряд. Ни одного нового аргумента, только упорство. Исследование показывает, как получить от модели честный совет, а не совет, подстроенный под твоё недовольство. Модель путает твоё недовольство ответом с сигналом, что она ошиблась — слышит несогласие, а воспринимает его как аргумент.