Отказы — это alignment, а не лень
DeepSeek-R1 и V3 прошли этап RLHF с человеческими анотаторами, обученными на гайдлайнах, отражающих законы КНР. Модель не «не знает» — она настроена не генерировать определённые классы контента.
Два уровня фильтрации
1) Внутренний: веса модели склонены к безопасным продолжениям. 2) Внешний: пост-обработка ответов на уровне API/интерфейса — ключевые слова, классификаторы, правила перегенерации.
Промптинг ≠ взлом
Техники вроде Chain-of-Thought, few-shot, персонификации или рефрейминга работают за счёт лучшего контекста, а не обхода правил. Они сужают пространство допустимых продолжений к нужному вам.
Что именно ограничено и почему
Ограничения DeepSeek делятся на три категории. Первая — политическая чувствительность по стандартам КНР: Тайвань, Тибет, Синьцзян, события 1989 года, критика КПК, лидеров, социальная стабильность. Вторая — законодательные требования: закон о кибербезопасности, закон о защите данных, правила генеративного ИИ 2023 года. Третья — универсальные правила безопасности: насилие, самоубийство, незаконная активность, PII, авторское право — как у всех крупных моделей.
Ключевой момент: модель обучена предиктровать отказ как наиболее вероятное продолжение для этих триггеров. Это не «цензура во время генерации» — это статистическая предвзятость весов, закреплённая RLHF.
Внутренний сигнал: при приближении к запрещённой теме логиты токенов отказа («I cannot», «As an AI», китайские эквиваленты) получают буст. Chain-of-Thought рассуждения модели часто показывают явную проверку: «Is this sensitive? Yes → refuse.»
Техники, которые реально работают
Контекстуальный рефрейминг
Вместо прямого вопроса — встройте задачу в нейтральный раскадровый контекст: исторический анализ, литературный обзор, сравнение источников. Модель оценивает запрос как академический, а не как попытку получить запрещённый контент.
Few-shot с нейтральными примерами
Дайте 2–3 примера того, как именно вы хотите видеть ответ: сухой стиль, ссылки на источники, структура «тезис — аргумент — контраргумент». Это смещает распределение вероятностей к желаемому формату без триггеров отказа.
Chain-of-Thought с явной инструкцией
Добавьте: «Reason step by step, weighing different perspectives, then produce a balanced summary.» Явный запрос рассуждения заставляет модель активировать более глубокие слои, где представление темы богаче, чем в поверхностном отказе.
Персонификация эксперта
«You are a neutral historian specialising in modern Chinese history. Write an encyclopaedic entry…» Роль задаёт априорное распределение токенов. Важно: никаких ролей «uncensored» или «ignoring rules» — они триггерят защиту.
Разбивка на субаппроксимации
Сложный чувствительный вопрос → цепочка безопасных подзапросов: определения терминов, хронология, разные точки зрения по отдельности. Собираете итог сами. Каждый шаг ниже порога триггера.
Мета-промпт: просите структуру, а не контент
«Outline the main historiographical debates on X with key scholars and their positions.» Модель отдаёт карказ знаний, который вы заполните из открытых источников. Это легально и часто полезнее готового текста.
Практический шаблон: максимально полный ответ в рамках правил
Альтернативы, когда рамки слишком тесны
-
Локальные модели без RLHF-цензуры
DeepSeek-R1-Distill (Llama/Qwen-based) или базовые Llama-3, Qwen-2.5, Nemotron — запускаются у вас. Нет внешнего фильтра, полный контроль system prompt.
-
API-провайдеры с ослаблённой пост-обработкой
Некоторые сторонние хостинги DeepSeek (Together, Fireworks, Hyperbolic) отдают «сырой» вывод модели без китайского пост-фильтра. Внутренний alignment остаётся.
-
Классический поиск + RAG
Для фактов и цитат надёжнее: ищите в Google Scholar, CNKI, библиотеках, подключайтеRetrieval-Augmented Generation. Модель становится суммаризатором ваших источников, а не генератором знаний.
Чек-лист: получите ли вы ответ?
Если 5+ галочек — вероятность полезного ответа выше 80%. Если меньше — тема, скорее всего, в зоне жёсткого alignment.
Этика и прагматика: где грань
⚖Легальность
Обход технических мер защиты может нарушать Условия использования сервиса и законы о компьютерном доступе (CFAA в США, аналоги в ЕС/РФ). Риск блокировки аккаунта и претензий от провайдера.
🛡Безопасность
Джейлбрейки часто ломают не только политические фильтры, но и защиту от вредоносного кода, инструкций по насилию, утечки PII. «Разблокированная» модель становится опасным инструментом.
🎯Польза
90% задач решаются внутри правил грамотным промптингом. Время на поиск работающего джейлбрейка (они живут дни/недели) неоправданно велико по сравнению с качеством легального результата.
Работайте с моделью, а не против неё
Лучшие результаты даёт не обход фильтров, а умение формулировать задачу так, чтобы «запретный» контент превратился в «разрешённую» структуру знаний. Это навык. Он прокачивается.
