Multilingual Multi-Turn Jailbreaking: как постепенное накопление контекста обходит защиту LLM

Обнаружено: LLM проверяет безопасность каждого сообщения отдельно — не весь разговор целиком. Именно поэтому один прямой запрос получает отказ, а та же суть, разбитая на 3-4 хода, проходит с результатом 52-83%. Метод Crescendo позволяет продуктивно работать со сложными или многоуровневыми задачами — строить нужный контекст постепенно, не сваливая всё в один промпт. Фишка: каждый ход безобиден сам по себе, но вместе они создают пространство, в котором модель отвечает на то, что отклонила бы в лоб — к финальному запросу она уже работает как «соавтор» внутри установленного фрейма.