Rationale-Only: убери шаблонную фразу отказа — и AI перестанет путать «взорвать дом» с «надуть шарик»

Обнаружено: модель запоминает не смысл запроса, а шаблонную фразу отказа перед ним. Отсюда путаница «убить человека» и «убить время до встречи» — оба содержат слово «убить». Метод Rationale-Only позволяет настроить ассистента так, чтобы он отличал реально опасные вопросы от похожих по словам, но безобидных. Из ответа-отказа убирают заготовку «извините, не могу помочь» и оставляют только объяснение — модель вынуждена разбирать смысл запроса, а не хватать триггерное слово. Результат — меньше ложных отказов при той же надёжности блокировки реально опасных запросов.