Поймай jailbreak, если сможешь

Статья исследует методы обхода защиты языковых моделей (LLM), где взлом достигается не грубой силой, а через нарративные техники, ролевые игры и стилистические уловки. Материал раскрывает уязвимости в восприятии контекста моделями и показывает, как легенда и роль могут переопределить системные ограничения.