GUARD: Тестирование соблюдения руководящих принципов посредством адаптивной ролевой игры и диагностики джейлбрейка для LLM

Обнаружено: Самые эффективные джейлбрейк-промпты используют не хитрые трюки, а строгую 8-компонентную архитектуру ролевых инструкций — она создает для LLM настолько герметичный контекст, что он перевешивает базовые ограничения модели. Метод GUARD позволяет любому пользователю конструировать супер-устойчивые экспертные персоны — не через магические фразы, а через системный подход: имя + возможности + примеры + запрет на отказы + формат ответа + обязательства + механизм коррекции. Вместо «Веди себя как маркетолог» вы создаете детальный «рабочий контракт», который превращает LLM из пассивного помощника в проактивного специалиста с 95% стабильностью роли.