VulnGuard Prompt: защита уязвимых групп через примеры вредного контента из GitHub

LLM легко ловит грубую дискриминацию, но пропускает тонкие микроагрессии. «Будь этичным» блокирует оскорбления, но не останавливает «Это просто фаза» для LGBTQ+ подростка или «Тебе точно нужны дети в твоей ситуации?» для одинокой матери. Модель не видит контекст уязвимости — что безобидно для одних, ранит других. VulnGuard Prompt позволяет генерировать контент безопасный для уязвимых групп (LGBTQ+, одинокие родители, люди с ментальными расстройствами, беженцы). Трёхслойная защита: показываешь модели 5-15 примеров вредных и безопасных фраз из GitHub-датасетов → добавляешь этическую цепочку рассуждений (CoT) с вопросами про риск вреда → задаёшь роль «защитника» конкретной группы, не просто «ассистента». Снижение вероятности вреда на 25-30% через проактивную проверку перед генерацией.