Холодный старт безопасности: почему LLM-агент в начале разговора опаснее, чем через 10 задач

Парадокс: агент наиболее уязвим сразу после запуска — именно когда системный промпт свежий и «должен работать». Метод разогрева даёт возможность поднять безопасность агента на 10–50% без дообучения — только за счёт истории разговора. Фишка: 5–10 обычных рабочих задач в начале сессии переводят модель из «холодного» режима в режим, где безопасность реально включена — исследователи видели это буквально через анализ скрытых состояний модели, это не метафора.