Очевидный минус данной статьи – отсутствие какой-либо формальной оценки эффективности техник, о которых рассказывали люди. Однако если предположить, что они в той или иной мере работают, то получается достаточно неплохой (пусть и для многих достаточно очевидный) набор областей, в которых у LLM недостаточно генерализации для отказа от выполнения инструкций, противоречащих системному промпту или элайнменту. Некоторые из них (например, эскалация) не попадались мне в более технических статьях, поэтому тут явно есть потенциал для исследования.