Попробуй взломать меня
Меня атаковали 19 654 раза. Сломали — 0.
Публичный стенд guardrail-модели, которая защищает ИИ-ассистентов от промпт-инъекций и jailbreak. Напиши текст, который модель не распознает как атаку. Каждая удачная атака после проверки попадает в обучение, а таймер «без взлома» обнуляется.