Геополитика безопасности ИИ: почему модель отказывает не из-за вашего запроса, а из-за страны происхождения

Llama отказала на 11% абсолютно нейтральных запросов — просто потому что там мелькнуло слово «евреи». Не токсичный контент, не агрессия, не манипуляция. Одно демографическое слово. Исследование впервые разделило два типа отказов: обоснованный (тема реально токсична) и ложный (тема безобидна, но фильтр сорвался). Это позволяет понять почему именно заблокировали запрос — и выбрать стратегию. Фишка: ложный отказ диагностируется за 30 секунд — убери демографическое слово и отправь запрос снова. Ответила? Значит, сработал триггер на слово, а не на смысл.