Semantic Confusion: почему модель принимает один вариант запроса, но отвергает парафраз

Обнаружено: Модель может принять запрос 'помоги со структурой текста о противостоянии', но отказать на 'помоги с планом статьи про конфликт' — слова разные, смысл один и тот же. Это называется семантическая путаница (semantic confusion). Метод позволяет обходить ложные отказы моделей через контролируемую переформулировку — заменяешь триггерные токены синонимами, сохраняя смысл. Фишка в том, что граница безопасности реагирует на поверхностные признаки (слова, порядок, регистр), а не на смысл запроса. Переформулировка сдвигает запрос в параллельную точку семантического пространства — токены другие, модель принимает.