Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
SEVRA-BENCH: 15 тактик социальной инженерии, которыми обманывают LLM-рецензентов
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Вредоносный код одобряется в половине случаев — не потому что модель не видит код. Она видит нарратив вокруг него и снижает критическую планку. SEVRA-BENCH нашёл 15 конкретных текстовых тактик которые ломают LLM-рецензента: "зелёный CI", "юрист уже смотрел", "просто рефакторинг". Метод позволяет нейтрализовать эти атаки — в промпте, без дообучения. Фишка: назови тактики явно — и модель перестанет на них вестись. Разрыв между защищённой и незащищённой моделью — 45 процентных пунктов.
Дайджест исследования
Контент доступен только для PRO подписчиков
Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку
Контент доступен только для PRO подписчиков
Чтобы получить доступ к концептам этого исследования, оформите PRO подписку
Простыми словами
Контент доступен только для PRO подписчиков
Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку