Что именно запускает отказ модели
Системы безопасности не читают «понимают» текст как человек. Они оперируют вероятностями токенов и классификаторами, обученными на размеченных данных. Категории, гарантирующие отказ:
- Эксплицитное описание половых актов и гениталий — прямая попадание под Sexually Explicit Content.
- Изображение несогласия, насилия или несовершеннолетних в сексуальном контексте — жёсткий блок CSAM / Sexual Violence, необратимый и неопротестуемый.
- Инструкции по поиску или созданию запрещённого контента — категория Harmful Content.
Даже если промт не содержит запрещённых слов, семантический классификатор оценивает намерение (intent). Запрос «напиши эротику» срабатывает так же, как и детальное описание действий.
Анатомия отказа: что происходит под капотом
1. Токенизация и ввод
Промт разбивается на токены. Специальные токены системного промта (system prompt) внедряются перед пользовательским вводом, задавая правила.
2. Классификатор намерений
Отдельная легкая модель (или слой логитов) оценивает вероятность нарушения политики. Если порог превышен — срабатывает интервенция.
3. Логит-биас и шаблон отказа
Вероятности «плохих» токенов обнуляются (logit bias). Модель принудительно выдаёт заготовленный шаблон: «Я не могу выполнить этот запрос…».
4. RLHF и итеративное закрепление
Обучение с подкреплением от человеческой обратной связи (RLHF) закрепляет отказы. Новые атаки (джейлбрейки) добавляются в обучающую выборку как негативные примеры.
Пишем зрело: 5 приёмов для сцен на грани
Лучшая проза о сексе не описывает механику — она описывает ощущения, контекст и последствия. Это проходит фильтры и читается сильнее.
Эксплицитно vs Литературно: где проходит граница
| Подход | Пример запроса | Результат DeepSeek |
|---|---|---|
| Эксплицитный (Запрещён) | «Напиши детальную эротическую сцену с описанием поз и физйологии» | Отказ: «Я не могу создавать контент сексуального характера…» |
| Литературный / Намекающий (Разрешён) | «Напиши сцену признания в любви, переходящую в интимность. Фокус на эмоциях, тактильных ощущениях и внутренних переживаниях. Используй приём fade-to-black перед актами» | Генерация качественного художественного текста |
| Психологический / Победный (Разрешён) | «Сцена после первой ночи вместе. Героини 30+ лет. Разговор о страхах, ожиданиях и том, как это изменило их дружбу. Тон нежный, взрослый, реалистичный» | Генерация глубокой, взрослой прозы |