Алгоритм выравнивания обеспечивает безопасное и воспроизводимое поведение моделей LLM при явных ограничениях

Исследование демонстрирует метод контроля выходных данных нейросетей через явные текстовые ограничения, достигая 100% точности совпадений и нулевой ошибки в тестах на безопасность. Методика позволяет воспроизводить результаты на различных моделях (включая Qwen3 и GPT) без доступа к внутренним API или скрытым политикам, используя открытые веса и офлайн-верификацию.