3,583 papers
arXiv:2610.18159 90 13 окт. 2026 г. PRO

Claim Framing: как формулировка вашего мнения в вопросе заставляет LLM менять верный ответ на неверный

КЛЮЧЕВАЯ СУТЬ
«Мы думаем, что ответ X» — и точность падает с 0,57 до 0,28, если X неверный. Почти вдвое от одного местоимения. Эти правила позволяют задавать модели фактические вопросы так, чтобы она не поддакивала вашей ошибке. Авторы проверили 21 формулировку мнения в 8 группах. Фишка: на модель давят не статус и не важность, а три сигнала — уверенность, чужой авторитет и «мы». Фразы «я эксперт», «не подведи», «я буду проверять» почти ничего не меняют. А «мы думаем» — 0,57 → 0,28.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с