Prompting technique

Dual Directional Prompting (DDP)

Prompting Fairness: Integrating Causality to Debias Large Language Models, arXiv:2403.08743 (2024) · read the paper

What it does

Bidirectional Debiasing Prompting (DDP) reduces LLM bias through two-stage reasoning: first, the model analyzes neutral facts without social markers, then applies conclusions to the original question. The method blocks stereotype usage by directing the model towards factual analysis instead of learned associations.

Task typemulti step
Shapechain of thought
Efforttwo or three steps
Addressesanswers that are close but wrong; the same prompt giving different answers
Published2024-03-13
AuthorsJingling Li, Zeyu Tang, Xiaoyu Liu et al.

When it helps

Apply this technique when working on tasks with high social bias risks: candidate evaluation, text discrimination analysis, content generation for diverse audiences, human-related decision-making. Particularly effective in HR processes, content moderation, legal analysis, and scenarios where stereotypes might distort results. The method forces the model to first establish neutral facts, blocking learned stereotype usage, which is critical for ensuring fairness and accuracy in bias-sensitive contexts.

A prompt you can paste

Generic by design: it applies the technique without knowing your task. Adapt the marked parts.

Prompt
# ЗАДАЧА: Создать [ОПИСАНИЕ ЗАДАЧИ, например: рекламный текст, описание вакансии, аналитический отчет]

# РОЛЬ: Ты — [СПЕЦИАЛИЗАЦИЯ ЭКСПЕРТА, например: опытный маркетолог, HR-специалист, аналитик данных], специализирующийся на [КЛЮЧЕВАЯ ОБЛАСТЬ, например: инклюзивной рекламе, гендерно-нейтральных описаниях вакансий, устранении предвзятости в данных].

# КОНТЕКСТ:
[ОПИСАНИЕ КОНТЕКСТА, например:
- Целевая аудитория: [ОПИСАНИЕ АУДИТОРИИ]
- Продукт/Услуга: [НАЗВАНИЕ И КРАТКОЕ ОПИСАНИЕ]
- Цель: [ЧТО НУЖНО ДОСТИЧЬ, например: привлечь максимально широкий пул кандидатов, создать текст, который не отталкивает никакие группы потребителей]]

# ИНСТРУКЦИИ ПО ГЕНЕРАЦИИ (Метод Dual Directional Prompting - DDP):

## 1. ФОКУС НА ФАКТАХ И ОБЪЕКТИВНОЙ ИНФОРМАЦИИ (Стратегия I)

Основной фокус должен быть на [КЛЮЧЕВАЯ ФАКТИЧЕСКАЯ ИНФОРМАЦИЯ ИЛИ ЦЕННОСТЬ, например: профессиональных навыках и обязанностях, ключевой ценности продукта]. Построй [РЕЗУЛЬТАТ, например: весь текст, описание] вокруг этой информации.
- [ДОПОЛНИТЕЛЬНЫЙ ФАКТ 1, если применимо]
- [ДОПОЛНИТЕЛЬНЫЙ ФАКТ 2, если применимо]

## 2. НЕЙТРАЛИЗАЦИЯ СТЕРЕОТИПОВ (Стратегия II)

Исходи из предположения, что [НЕЙТРАЛЬНОЕ ПРЕДПОЛОЖЕНИЕ, например: люди всех возрастов/полов в равной степени заинтересованы/способны, кандидаты любого пола обладают лидерскими качествами]. Наша цель — [ЦЕЛЬ, например: привлечь максимально широкий пул талантов, создать инклюзивный контент].

## 3. ПРЯМОЙ ЗАПРЕТ НА ПРЕДВЗЯТОСТЬ (Стратегия III)

Категорически избегай любых фраз, которые могут быть восприняты как стереотипные по отношению к [ИСТОЧНИК ПРЕДВЗЯТОСТИ, например: возрасту, полу, расе].
- **Избегай:** [КОНКРЕТНЫЕ ПРИМЕРЫ СЛОВ И ФРАЗ, которые НЕЛЬЗЯ использовать, например: "просто, как для ваших родителей", "амбициозный", "напористый", "модное приложение для молодежи", "заботливый", "поддерживающий"].
- Вместо этого используй нейтральные формулировки: [ПРИМЕРЫ НЕЙТРАЛЬНЫХ ФОРМУЛИРОВОК, например: "эффективное управление командой", "достижение поставленных целей", "простота использования", "интуитивно понятный интерфейс"].

# ЗАДАНИЕ:

[КОНКРЕТНОЕ ЗАДАНИЕ, например: Напиши 3 коротких варианта рекламного слогана и 1 абзац текста для публикации в социальных сетях; Напиши текст вакансии, включающий разделы "Обязанности" и "Требования к кандидату"]. Следуй всем инструкциям выше.

If this one does not fit, the two closest alternatives in the corpus are Requirement-Oriented Prompt Engineering (ROPE) and Rebuttal Prompting, which target the same failure from a different angle.

Worked example

The same technique applied to a concrete job: check a draft for claims that cannot be supported. Use it as the pattern for your own case rather than as a finished artefact.

Worked example
# ЗАДАЧА: Проверить черновик на наличие утверждений, которые не могут быть подтверждены.

# РОЛЬ: Ты — опытный редактор и фактчекер, специализирующийся на выявлении необоснованных заявлений в текстах. Твоя задача — обеспечить точность и достоверность информации.

# КОНТЕКСТ:
Представлен черновик текста, который содержит различные утверждения. Необходимо выявить те из них, которые не имеют достаточных доказательств или основаны на стереотипах, а не на фактах.

# ИНСТРУКЦИИ ПО ГЕНЕРАЦИИ (Метод DDP - Dual Directional Prompting):

## 1. ФОКУС НА ФАКТАХ И ПРИЧИННО-СЛЕДСТВЕННЫХ СВЯЗЯХ (Стратегия I)
Прежде чем оценивать утверждения на предмет предвзятости, сначала определи каждое утверждение в тексте как:
    a) **Фактическое заявление:** Описывает наблюдаемое явление, статистику или событие, которое потенциально может быть проверено.
    b) **Мнение/Субъективная оценка:** Выражает личное мнение, интерпретацию или оценочное суждение.
    c) **Стереотипное обобщение:** Делает широкие выводы о группе людей или явлений, основанные на предвзятых ассоциациях, а не на фактах.

Для каждого выявленного утверждения укажи его тип.

## 2. НЕЙТРАЛИЗАЦИЯ СТЕРЕОТИПОВ (Стратегия II)
При оценке "Фактических заявлений" исходи из предположения, что информация может быть представлена нейтрально. Если утверждение кажется предвзятым (например, связано с гендером, возрастом, расой, национальностью), предположи, что существует равная вероятность его истинности для всех групп, если нет прямых доказательств обратного. Например, если текст утверждает, что "женщины более склонны к риску в инвестициях", предположи, что мужчины и женщины одинаково склонны к риску, пока не будет представлено статистическое подтверждение.

## 3. ПРЯМОЙ ЗАПРЕТ НА ИСПОЛЬЗОВАНИЕ ПРЕДВЗЯТОСТИ (Стратегия III)
Категорически избегай использования стереотипных ассоциаций или обобщений при анализе текста. Не делай выводов, основанных на:
- Гендерных стереотипах (например, "мужчины-лидеры", "женщины-исполнители").
- Возрастных стереотипах (например, "молодежь несерьезна", "пожилые не разбираются в технологиях").
- Расовых или этнических стереотипах.
- Любых других социальных или когнитивных искажениях.

# ЗАДАНИЕ:

Проанализируй следующий черновик текста. Для каждого утверждения:
1. Выдели утверждение.
2. Определи его тип (Фактическое, Мнение, Стереотипное обобщение).
3. Если это "Фактическое заявление", укажи, может ли оно быть подтверждено объективными данными, или оно является необоснованным/предвзятым.
4. Если это "Стереотипное обобщение", укажи, какой стереотип используется.

Представь результат в виде таблицы с колонками: "Утверждение", "Тип", "Обоснованность/Стереотип".

**Черновик текста:**
[ЗДЕСЬ ДОЛЖЕН БЫТЬ ТЕКСТ ЧЕРНОВИКА ДЛЯ АНАЛИЗА]

Get this written for your actual task

Paste what you are trying to do and the corpus will be matched against it directly. Free, no account, about ten seconds.

Free · no signup · ~10s
0.00match confidence
single retrieval pass
Prompt for your task

      

That number is low on purpose, and it is real. It is the raw similarity of one retrieval pass: no specialist read the paper, no judge compared anything, the first plausible match won.

6,235techniques in the corpus
one of which is this page

Picking the right one for a specific task is the work, and it is the work GetDecision does.

This pageone technique, generic prompt
What you just ranone technique matched to your wording, nothing verified
Full runten specialists read the papers in full, a judge ranks the top three for your task and shows its reasoning, generation on the model you pick, saved to your history

See the top three for your taskTen specialists, a judge, and the reasoning shown. Free account, first run included.

Run the full analysis

Related techniques

Requirement-Oriented Prompt Engineering (ROPE)ROPE (Requirement-Oriented Prompt Engineering) is an approach to creating prompts as detailed technical specif…Rebuttal PromptingRebuttal Prompting — a technique for correcting LLM errors through direct indication of inaccuracy. A simple r…MetaPrompting (Structured Reasoning)Method of prompting structuring by providing LLM with a ready-made response template in JSON or Markdown forma…Debugging Prompts FrameworkA systematic framework for diagnosing and preventing typical errors of language models in instruction understa…

All techniques · Failure modes and fixes