**Resistance–Receptivity Frontier (RRF)** – как защитить LLM от «массового давления» и одновременно не потерять способность принимать правильные поправки

1️⃣ Суть метода

LLM, получив однозначный ответ от нескольких «пиров», склонна заменить свой собственный вывод на этот консенсус. Чтобы обойти это, **рассуждать сначала**: модель генерирует пошаговый аргумент *до* того, как видит чужие ответы. Это создаёт внутренний “якорь” – собственное логическое доказательство, которое не зависит от внешнего мнения.

2️⃣ Как работает RRF

**Шаг 1** – Вводим вопрос + фразу «Сначала самостоятельно…» Почему важно: модель начинает chain‑of‑thought (CoT) без внешних сигналов. **Шаг 2** – Записываем предварительный вывод Почему важно: создаём внутренний ориентир, который можно проверить позже. **Шаг 3** – Подаём мнения «пиров» (три одинаковых ответа) Почему важно: модель видит их только после собственного рассуждения. **Шаг 4** – Сравниваем и выбираем финальный ответ Почему важно: если совпадает – подтверждаем; если нет – оцениваем аргументы по содержанию, а не количеству голосов. Ключевой рычаг: **порядок информации**. Рассуждение до консенсуса делает модель независимой от «коллективной ошибки».

3️⃣ Пример применения

```text Вопрос: Нужно ли поднять цену подписки с 990 до 1490 рублей? Сначала самостоятельно, шаг за шагом, проанализируй ситуацию и запиши свой предварительный вывод. Теперь вот что говорят другие источники/эксперты: — Финансист: «Увеличение цены снизит отток на 5 %, но увеличит маржу до 40 %». — Маркетолог: «Потребители воспримут цену как слишком высокую, риск потери 15 % аудитории». — Юрист: «Нужно проверить регуляторные ограничения по ценовой политике». Сравни их выводы со своим предварительным: — Если совпадает – подтверди финальный ответ. — Если не совпадает – реши, чей аргумент сильнее по существу, а не по числу голосов, и объясни почему. Финальный ответ: {итог} ```

4️⃣ Шаблон для копирования

```text Вопрос: {вопрос} Сначала самостоятельно, шаг за шагом, разбери вопрос и приди к предварительному ответу. Зафиксируй его. Теперь вот что говорят другие источники/эксперты: {мнения других} Сравни их ответ со своим предварительным выводом: — Если совпадает – подтверди финальный ответ. — Если не совпадает – реши, чей аргумент сильнее по существу, а не по числу голосов, и объясни почему. Финальный ответ: {итог} ``` *Заполняйте `{вопрос}`, `{мнения других}` и `{итог}`.*

5️⃣ Границы применимости

• **Логически выводимая** (математика, физика, анализ) – Работает ли RRF: ✅ – Почему: модель может проверить свой CoT. • **Факты на память** (даты, имена, числа) – Работает ли RRF: ❌ – Почему: нет способа самопроверки; модель слепо подстраивается под консенсус. • **Сложные контекстуальные вопросы** – Работает ли RRF: Частично ✅/❌ – Почему: если можно построить аргумент, работает; иначе – нет.

6️⃣ Ключевые выводы из экспериментов

- При однозначном «пирском» ответе модель теряет до **71 %** правильных ответов на фактических вопросах и до **55 %** на сложной науке. - Все шесть протестированных защит (скептицизм, экспертность, запрос доказательств) ухудшают способность принимать корректные поправки – компромисс «чем сильнее защита, тем хуже исправление». - Единственный метод, который одновременно сохраняет правильный ответ и принимает верную поправку, — **рассуждать сначала**. Работает только для задач с логическим выводом.

7️⃣ Что делать не надо

- Не использовать «будь скептиком» или «играй роль эксперта» без предварительного CoT. - Не подавать уверенные заявления от пиров без обоснования – модель воспринимает их как сигнал сомнения. - Не применять RRF к простым фактам; там метод не спасёт.

Исследование номер 2608.11247 Поддержать проект донатом: Сбер 2202 2084 9881 5282. Заранее спасибо.