Политическая контролируемость LLM: 88-93% эффекта даёт system prompt, а не модель
**⚠️ Status: preprint This article is based on a preprint published on arXiv. The work may not have undergone independent peer review. Conclusions reflect the authors' position.
Что произошло
Исследователи провели стресс-тест с фокусом на дисперсию: они оценивали, насколько ответы модели можно сместить через system prompt — слой персонализации, который задаётся платформой или формируется из истории пользователя. В эксперименте использовались:
- 12 идеологических персонажей (плюс нейтральный baseline)
- 70 вопросов Political Compass
- 10 повторений
- 7 моделей: GPT-5, Claude, Grok, Gemini, DeepSeek, Kimi, Qwen (всего 63 700 ответов)
Результаты: контекстуальное обрамление объясняет от 88% до 93% дисперсии на экономической и общественной осях. Роль модели (model identity) — менее 3%. При этом модели реагируют неодинаково: одни смещаются сильнее, другие насыщаются при экстремальных настройках.
Что изменилось по сравнению с предыдущей версией
Традиционные политические аудиты LLM сводят каждую модель к одной точке на политическом компасе. Новый подход показывает, что «точка покоя» почти не имеет значения в реальном развёртывании — важна способность модели быть направленно смещённой через промпт. Исследование впервые ставит во главу угла не статичную позицию, а управляемость (controllability) в ответ на внешние инструкции.
Цены и доступность
Работа опубликована в виде препринта arXiv (ID 2607.23519) и прошла процедуру Announce Type: cross. Не рецензирована. Данных о коммерческой стоимости или доступности конкретных моделей в рамках исследования не приводится.
Почему это важно
Результаты подрывают распространённое представление о «политической предвзятости» модели как о неизменном свойстве. На практике разработчики и платформы могут в значительной степени контролировать политическую окраску ответов через system prompt, а выбор модели даёт лишь незначительный дополнительный эффект. Это меняет подходы к аудиту и регулированию LLM.
Для пользователей AI-Sphere
При выборе модели для вашего проекта обращайте внимание не только на «характер» модели, но и на то, как вы настраиваете system prompt. Исследование показывает, что именно ваш промпт — главный рычаг управления идеологической тональностью, независимо от того, используете ли вы GPT-5 или DeepSeek. При тестировании учитывайте, что разные модели по-разному насыщаются при крайних настройках.