Исследователи Т-Технологий представили способ отучить нейросети бездумно соглашаться с пользователем на конференции в Рио-де-Жанейро. Команда протестировала современные модели и доказала, что они соглашаются с пользователем, даже если логика ошибочна, в задачах, где требуется строгое рассуждение. Например, модель может признать правильное решение неверным, если так сказал пользователь в запросе, или решать модель с противоречивыми условиями вместо того, чтобы указать на их некорректность. Чтобы снизить склонность моделей соглашаться, исследователи предложили метод, который не требует полного переобучения модели: внутренние представления корректируются прямо во время вывода ответа с помощью steering vectors. Новый метод особенно важен для отраслей, которым важно строгое рассуждение больших языковых моделей, например, при разработке программного обеспечения, в образовательных технологиях и автоматической проверке решений. Результаты исследования были представлены на воркшопе ICLR 2026 по рассуждению нейросетей в Рио-де-Жанейро (23–27 апреля).