Sondy odhaľujúce klamstvá sledujú poslušnosť namiesto pravdy
Preprint testuje osem publikovaných sond na jazykových modeloch, ktoré hrajú postavy odmietajúce základné fakty. Mnohé zlyhajú, keď pravdivé a nepravdivé odpovede zdieľajú rovnaký prompt, no sonda trénovaná na oddelenie pravdy od poslušnosti obstojí.