Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
Почему не действовать на основе того, что вы знаете: раскрытие потенциала безопасности LLM через улучшение самосознательных защит.
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Метод SAGE превращает процесс генерации ответа в ДВУХЭТАПНУЮ ПРОЦЕДУРУ: сначала модель анализирует запрос как внутренний модератор, а затем действует как исполнитель с правилами. Это устраняет РАЗРЫВ МЕЖДУ ПОНИМАНИЕМ И ДЕЙСТВИЕМ – когда ИИ понимает, что запрос проблематичный, но все равно его выполняет.