Persona Steering: почему промпт "будь непредвзятым" не убирает предвзятость LLM, а просто её прячет

Попроси модель быть 'менее доброжелательной' для ролевой игры — стереотипные ошибки взлетают до 100% в оценках внешности и статуса. Исследование проверяет частый приём: системный промпт 'будь непредвзятым HR-экспертом' — и выясняет, что он не убирает разницу в оценке между группами людей, а просто делает тон добрее для всех сразу. Персона красит словарь, а не решения — общий тон теплеет, но разрыв между группами кандидатов остаётся тем же. Проверили на трёх уровнях глубины: самоотчёт модели, открытый текст, чистые ассоциации слов без контекста.