Оцінка етичної надійності великих мовних моделей (LLM), розгорнутих у програмних системах, залишається складною задачею, особливо за умови тривалої ворожої взаємодії з користувачем. Ця стаття представляє Adversarial Moral Stress Testing (AMST), фреймворк оцінки на основі стресу для вимірювання етичної надійності за умов ворожих багатоетапних взаємодій. AMST застосовує структуровані стресові перетворення до підказок та оцінює поведінку моделі за допомогою метрик надійності, що враховують розподіл. Результати демонструють суттєві відмінності в профілях надійності між моделями та виявляють моделі деградації, які не спостерігаються за звичайної однораундової оцінки.