Просмотр

Материал из MachineLearning.

У вас нет прав на выполнение этой операции по следующим причинам:

• Запрошенное действие могут выполнять только участники из групп emailconfirmed, Администраторы.
• Вы должны подтвердить ваш адрес электронной почты перед правкой страниц. Пожалуйста, введите и подтвердите ваш адрес эл. почты на странице настроек.

Вы можете просмотреть и скопировать исходный текст этой страницы:

== Как создавалась статья == Статья написана с использованием LLM '''Claude Opus 4.8''' в несколько итераций: сначала был согласован каркас (структура разделов, вики-разметка, категории), затем модель заполнила его по заданным ограничениям, после чего текст вычитывался и правился вручную. === Основной промпт === <pre> Вот вики-скелет статьи «Джейлбрейк языковых моделей» для MachineLearning.ru [скелет]. Заполни разделы содержательным текстом, СОХРАНЯЯ: - всю вики-разметку и теги <tex></tex> как есть; - внутренние ссылки [[...]]; - категории в конце. Аудитория — студенты и исследователи ML. Полезно и новичку (интуиция), и профи (актуальные результаты со ссылками на реальные arXiv ID / DOI). Проверяющий — теоретик ML, банальностей он не простит. Приёмы джейлбрейка описывай на уровне механизма, без приведения рабочих запросов и пошаговых инструкций обхода. Запреты: «важно отметить», «играет ключевую роль», «в заключение», «не только... но и». Не выдумывай ссылки. Не раздувай списками то, что лучше прозой. Объём 700–1000 слов. </pre> === Замечание об уровне изложения === Статья сознательно описывает приёмы джейлбрейка только на уровне механизма (смена роли, подмена формата, оптимизируемый суффикс) и не содержит рабочих запросов или пошаговых инструкций обхода. Для энциклопедической статьи ценно объяснение причин явления и методов защиты, а не готовый инструмент: конкретные обходы быстро устаревают и несут риск неправомерного использования. === Что проверено и изменено вручную === * сверены идентификаторы arXiv у всех источников в разделе «Литература»; * добавлен авторский абзац о параллели красного тестирования LLM с тестированием на проникновение, опирающийся на практический опыт; * приведены к единому виду внутренние ссылки на смежные статьи кластера [[Безопасность машинного обучения]], [[Состязательная атака]] и [[Промпт-инъекция]]; * проверено соответствие названий категорий существующим на ресурсе. [[Участник:Zarina Sibgatullina|Zarina Sibgatullina]] 19:30, 18 июля 2026 (MSD)

Возврат к странице Обсуждение:Джейлбрейк языковых моделей.