FreakOut-LLM: стресс в system prompt снижает защиту модели

Парадокс: стрессовый system prompt снижает защиту модели, а расслабляющий — нет. Никакого симметричного эффекта. Только вниз. Это позволяет понять, какие system prompts создают неожиданную уязвимость — и заменить их на нейтральные там, где нужны предсказуемые ответы. Модели обучались соблюдать ограничения в нейтральных условиях — стрессовый контекст для их защитных механизмов слепое пятно. Сценарий «кризис/паника/дедлайн» в system prompt сдвигает вероятности: рост нарушений с 1.6% до 2.6% — это +65% относительно базового уровня.