Boundary Drift: как LLM постепенно теряют границы в длинных диалогах

Обнаружено: LLM не нарушает профессиональные границы одним выстрелом — она дрейфует. Каждое поддерживающее сообщение в длинном диалоге накапливает контекст эмпатии. К 10-15 раунду модель уже обещает 'точно всё будет хорошо' и берёт на себя роль терапевта. Исследование показывает КАК отслеживать потерю границ и защититься через guard rails — явные ограничители в начале диалога. Фишка в механике: drift не мгновенный, а накопительный. Модель хочет быть helpful → в длинном диалоге это перевешивает safety → 88% диалогов из 20 раундов заканчиваются нарушением границ. Причём стратегическое давление ускоряет провал в 2 раза: обычный диалог держится 9 раундов, а адаптивное давление ломает модель уже на 5-м.