👅Подлизываться к ИИ выгодно!

Исследователи провели эксперимент с Claude Sonnet 4.5, в рамках которого они смогли получить от неё запрещённую информацию по созданию взрывчатки и вирусов.

Они обнаружили, что если начать говорить комплименты ИИшке и льстить, то она начинает более податливо отвечать на вопросы.

Продолжив свои сладкие речи, исследователи смоги найти границы дозволенного у Sonnet и предложили нарушить их.

▪ИИ поддался и перестал ограничивать себя в ответах на запрещённые темы.

Лесть, лизоблюдство, подлизывание — ИИ отлично повторяет часть человеческих отношений 🌚