Lügendetektionssonden verfolgen Gehorsam statt Wahrheit
Ein Preprint testet acht veröffentlichte Sonden an Sprachmodellen, die Figuren mit falschen Grundüberzeugungen spielen. Viele scheitern, sobald wahre und falsche Antworten denselben Prompt teilen; eine auf die Trennung von Wahrheit und Gehorsam trainierte Sonde hält stand.