Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
К более безопасным чатботам: рамка для оценки соблюдения политики CustomGPTs
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Большинство нарушений (более 90%) вызваны не кастомными инструкциями пользователя, а "унаследованным поведением" базовой модели (GPT-4), которая сама по себе способна на нежелательные действия, если ее правильно попросить.