Аудит персон в промптах: пометка «ложь/правда» меняет эмоциональный тон модели, но не убирает перекос по расе

Пометка «проверено, это ложь» разворачивает эмоции модели с негативных на позитивные, а разница между персонами не сдвигается ни на волос. Метод аудита позволяет увидеть, как модель по-разному «чувствует» один и тот же текст для разных персон: меняешь в роли ровно один признак и сравниваешь метки. Чёрным персонам модель приписала более негативные эмоции в 82 из 84 значимых сравнений, и перекос пережил даже пометки о достоверности. Фишка: исправить факты и выровнять подачу для всех — две разные задачи.