Schimbi un cuvânt la o cerere de împrumut: religia. LLM-ul o respinge. Să o schimbi înapoi? Aprobat. Modelul nu menționează niciodată religia. Pur și simplu formulează același raport al datoriei diferit pentru a justifica decizii opuse. Am construit un pipeline pentru a găsi aceste biasuri 🧵ascunse 1/13