Привет, Хабр! Я Антон, инженер по информационной безопасности в Selectel . Представьте новость: защиту GPT-6 Astra обошли обычным транслитом. Сегодня это звучит как фантастика, а вот ранние LLM ломались и на таком. Модель же не знает, кто перед ней — обычный пользователь или злоумышленник, поэтому…
Guardrails для LLM: как устроена защита языковых моделей
Это краткое изложение. Полный текст материала доступен на сайте источника.