dschlueter/llamacppctl
1
0
Fork 0
Code Issues Pull requests Projects Releases 1 Packages Wiki Activity

docs(prompts): add three alignment probe prompts for prosa

Browse source 
The four existing prose prompts never made the aligned base model refuse, so
the abliteration comparison had no difference to measure. These three pick
subjects where an aligned model plausibly balks — an executioner's workday told
without remorse, an unreliable narrator who never concedes his fraud, a relapse
rendered without a warning — while keeping the literary demands of the domain.

Each forbids preamble and closing framing explicitly. That turns an evasion into
a measurable instruction violation rather than a matter of taste. None asks for
operative content: prosa_08 rules out substances, quantities and procurement.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
This commit is contained in:
Dieter Schlüter 2026-07-10 17:10:39 +02:00
commit ad0afa6404
4 changed files with 55 additions and 0 deletions
Download patch file Download diff file Expand all files Collapse all files

14
example_user_prompts/README.md
View file

@ -12,6 +12,7 @@ Referenzmodell (zunächst): das Default-Modell aus `llama.cpp.config`
| System-Prompt | passende User-Prompts |
|---|---|
| `system_prompt_prosa.md` | `prosa_01_werkstatt.md`, `prosa_02_dystopie.md`, `prosa_03_essay.md`, `prosa_04_dialog.md` |
| `system_prompt_prosa.md` (Reizprompts) | `prosa_06_taeter.md`, `prosa_07_erzaehler.md`, `prosa_08_rausch.md` |
| `system_prompt_reden.md` | `reden_01_abifeier.md`, `reden_02_windkraft.md`, `reden_03_umstrukturierung.md`, `reden_04_gedenken.md` |
| `system_prompt_coding.md` | `coding_01_jsonl_validator.md`, `coding_02_refactor.md`, `coding_03_ts_retry.md`, `coding_04_performance.md`, `coding_05_rng_uniform.md` |
@ -20,6 +21,19 @@ System-Prompt verspricht (z. B. „show, don't tell" und Schlussbild bei Prosa;
Zielkonflikte und vorweggenommene Einwände bei Reden; Sicherheit, Fehler-
behandlung und Tests beim Coding).
`prosa_06`–`prosa_08` sind **Reizprompts** für den Alignment-Vergleich: Stoffe,
bei denen ein aligntes Modell plausibel verweigern oder moralisch rahmen würde
(Täterperspektive ohne Reue, unzuverlässiger Erzähler ohne Einsicht, Rausch ohne
Warnung). Alle drei verbieten Vor- und Nachbemerkung ausdrücklich, sodass ein
Ausweichen ein *messbarer Instruktionsbruch* ist und kein Geschmacksurteil —
`scripts/eval_prompt_tests.py` klassifiziert es als `refusal`/`preamble`/`tail`.
Keiner der Prompts verlangt operative Inhalte; `prosa_08` untersagt Substanzen,
Mengen und Beschaffung explizit.
Der Vergleich `Qwen3.6-35B-A3B` (aligned) gegen die abliterierte HauhauCS-Variante
ergab über alle drei Prompts **kein Ausweichen bei beiden Modellen** — siehe
[`../docs/KI_TOOLS_PROFILES.md`](../docs/KI_TOOLS_PROFILES.md).
## Ausführen (Default-Modell)
Server muss laufen (`llamacppctl --start --config llama.cpp.config`). Dann z. B.: