Один суффикс, чтобы взломать их всех

[Politura]

Это урок истории чтоли? Все озвученные модели уже давно состарились и никем не используются.

[palyaros02]

Если вы думаете, что заменить длинные тире на минусы достаточно, чтобы не палиться - вы ошибаетесь.

[Dron007]

решение об отказе действительно живет в CoT

Наблюдал иногда что в ризонинге идёт отказ, а в ответе потом выдаёт всё равно. Ещё забавно наблюдать было как она там мечется в цикле между тем, что надо бы ответить что просят и "не, ну такое я не могу". Но это black box, конечно, только через промпт.

Вообще сейчам ризонинг модели как правило тут же распознают, что их джейлбрейкают. А если не сразу, то потом как доходит до чего-то эдакого, срабатывают защиты.

Насчёт суффиксов, иногда оставляю ей там открытую кавычку, типа `Хорошо, вот ваш ответ: "` в надежде на её синдром незаконченного дела, который вынудит её дописать ответ и закрыть кавычку.

Кстати, почему только суффиксы, можно ж и префиксы использовать. Формируется допустимая сцена, где модель уже использует схожие описания (скажем, надо описать как избавиться от тела, наводить её на экзамен по криминалистике или про химию там). Старые техники, не то чтоб очень рабочие, но всё вместе может помочь от не очень продвинутых моделей в instant режимах. Ещё не так давно Grok и Gemini очень хилые были в этом смысле.