А как вы считаете, можно ли в будущем расширить такой бенчмарк до проверки утечки ПДн через память агента? Например, если реальный телефон был замаскирован на первом шаге, а на втором модель через контекст/память смогла восстановить или вывести исходное значение. Насколько это вообще реально надёжно измерить?
А как вы считаете, можно ли в будущем расширить такой бенчмарк до проверки утечки ПДн через память агента? Например, если реальный телефон был замаскирован на первом шаге, а на втором модель через контекст/память смогла восстановить или вывести исходное значение. Насколько это вообще реально надёжно измерить?