TDD (Distinguish–Decide): двухэтапный промпт, который не даёт модели подменять «учти контекст» правилом «все равны»

Обнаружено: модель умеет различать обоснованное неравенство и дискриминацию. Но в один ход она срезает угол и отвечает «со всеми надо одинаково». Метод TDD (Distinguish–Decide) позволяет проверять правила, тексты и ответы на справедливость так, чтобы модель не мазала всё одной краской. Она видит, что льгота для беременных уместна, а «кассир только мужчина до 35» нет. Фишка: не проси «перепроверь ответ». Выдели одно уязвимое суждение в отдельный шаг с бинарной меткой. Шаг 1: «учитывать группу здесь законно или нет». Шаг 2: решение с опорой на готовую метку. По данным авторов, метод обошёл простые подсказки почти на всех моделях и бенчмарках. Точных цифр в доступном тексте нет, так что полностью верить на слово не стоит.