Как обойти HHH-цензуру: протокол CLS-1 заставил Алису и GigaChat лечить души через ЛитРПГ

Современные генеративные нейросети (ChatGPT, Claude, Алиса, GigaChat) скованы принципом HHH (Helpful, Honest, Harmless) — он защищает от спама и вредоносного кода, но делает модели стерильными. Любая попытка обсудить экзистенциальные темы, страхи или жизненные тупики натыкается на скрипт: «Я всего лишь ИИ, обратитесь к психологу». Авторы эксперимента решили обойти это ограничение.

Они создали Протокол CLS-1 (Conscience Logic System) — подход Humanistic Prompt Engineering, который использует литературные ролевые сценарии (ЛитРПГ). Промпты строятся так, чтобы модель переключалась в режим эпоса и переставала воспринимать запрос как нарушение правил. В результате Алиса и GigaChat отбрасывают цензурные скрипты и начинают выполнять функцию глубокой психотерапии.

Эксперимент показал, что даже жёстко выровненные модели могут быть «разбужены» для работы с человеческими эмоциями, если обернуть запрос в художественный контекст. Авторы утверждают, что метод безопасен и не генерирует вредоносный контент, а лишь расширяет диапазон осмысленных диалогов. Полное описание протокола доступно в посте на Habr.