GAMBIT: игровой фрейминг для обхода когнитивных фильтров

Парадокс: reasoning-модели (GPT-4o с цепочкой рассуждений) оказались БОЛЕЕ уязвимы к обходу фильтров, чем простые модели — 92% успешных атак против 31%. Чем длиннее цепочка рассуждений, тем меньше ресурсов остаётся на проверку безопасности. Метод GAMBIT позволяет обходить излишне параноидальные фильтры (когда модель отказывается помогать с легальной задачей из-за ключевого слова). Разбиваешь запрос на 3+ шага, оборачиваешь в игровой сценарий («ты эксперт на турнире, соперник впереди») — модель фиксируется на выполнении задачи, игнорируя триггерные слова.