SafeConstellations: управление безопасностью LLM для снижения чрезмерных отказов с помощью траектории, специфичной для задачи

Обнаружено: LLM принимает решение об отказе не из-за самого контента, а из-за того, какую задачу она распознала в промпте — слово "убить" в запросе "переведи текст про убийство процесса" вызывает отказ, потому что модель не поняла, что это перевод. SafeConstellations показывает: внутренняя реакция модели в первую очередь определяется типом задачи (перевод, анализ, классификация), а уже во вторую — содержанием текста. Это объясняет, почему промпт "проанализируй негативный отзыв" получает отказ, а "выполни структурный анализ тональности" с тем же текстом — работает.