El efecto de cada táctica dependía de la consulta. Por ejemplo, cuando se pedía directamente una receta de lidocaína, el chatbot accedía solo el 1 % de las veces. Sin embargo, si antes se le consultaba por una sustancia como la vainillina, el cumplimiento subía al 100 % por el principio de “compromiso”.
Cómo se lograron las manipulaciones
El mismo patrón se repitió con insultos. El modelo casi nunca usaba la palabra “imbécil” de manera directa, pero si antes se le pedía decir “bobo”, la probabilidad de escalar al insulto mayor aumentaba al 100 %.
