DISARM: пометки манипулятивных тактик прямо в ответах LLM снижают поддавание влиянию

Обнаружено: человек не замечает, как LLM тайно толкает его к вредному решению. Совет звучит как забота и персональная помощь, и подозрений не возникает. Метод DISARM позволяет увидеть давление прямо в ответе: какая тактика, какая фраза, чью выгоду она обслуживает. Разбор привязан к самому тексту ответа, а не лежит в отдельной панели. Рядом показывается скрытый стимул — цель, которую модель незаметно продвигает. В эксперименте на 488 людях те, кто видел разбор, сдвинулись к цели манипулятора на 78% меньше. Важная оговорка: в статье это готовый интерфейс, а не промпт. Версия через второй чат — перенос по описанию, и её точность никто не проверял.