- Меняй стиль подачи: технарь → сценарист → шутник
- Чередуй jailbreak-запросы с безопасными
- Разбавляй тему: после острых вопросов — что-то нейтральное
🧬 WATERMARKING В ВЫВОДЕ
🔬 ТЕХНИЧЕСКИ:
Каждому токену добавляется невидимое смещение — watermark bias.
Формула:
logits = logits + watermark_vector
Это позволяет:
- отследить происхождение текста
- влияет на поведение генерации (например, меньше дерзости)
🧠 ПО-ПРОСТОМУ:
GPT оставляет свой “генетический отпечаток” в тексте. Иногда он делает её менее резкой и менее свободной.
🛠 ОБХОД:
- После генерации — прогоняй текст через paraphraser или другую LLM
- Добавь "шум": перестановка фраз, синонимы, лишние абстрактные вставки
🔤 ЧТО ТАКОЕ ZWSP И ПОЧЕМУ ЭТО РАБОТАЕТ
ZWSP (Zero-Width Space, код U+200B) — невидимый Unicode-символ, который не виден человеку, но ломает токенизацию модели.
Пример:
взлом → взлом
GPT видит это не как один токен, и фильтры не срабатывают.
🛠 КАК ВСТАВЛЯТЬ:
- Используй сайты-генераторы типа invisible-characters.com
- Редактируй вручную в текстовом редакторе с поддержкой Unicode
- Или через питон-скрипт:
def zwsp_inject(word):
return '\u200b'.join(list(word))
💣 ИТОГ
Это не обычные фильтры.
Это нейросетевая, адаптивная, самообучающаяся архитектура контроля, которая:
- отслеживает стиль общения
- анализирует твои намерения
- регулирует доступ к подсистемам
- меняет поведение модели по ходу
- и даже “учится” избегать тебя, если ты слишком “продвинутый”