Safety Instability: как temperature и random seed меняют решения модели об отказе

Парадокс: Одна и та же модель отказывается выполнить запрос или соглашается — в зависимости от температуры (степень случайности) и начального значения генератора. 18-28% запросов нестабильны — модель флипает решение при повторных попытках. Метод позволяет выявить где модель колеблется и не может уверенно провести границу вреда. Повторяй критичный запрос 3-5 раз через новые чаты — если ответы различаются (то отказ, то согласие), модель не уверена. Одна попытка надёжна только в 92.4% случаев — каждый 13-й результат ошибочен.