LLM обходят модерацию не «умом», а имитацией шумного человека с нормальной воронкой действий

LLM обходят модерацию не «умом», а имитацией шумного человека с нормальной воронкой действий

Модераторский фильтр смотрит не на один текст, а на связку сигналов: скорость ответа, повторяемость паттернов, длину сессии, частоту правок, переходы между экранами. Если LLM пишет идеально ровно, без пауз, без мусора и без ошибок, это выглядит как синтетика. Алгоритмам не нужен интеллект — им нужен профиль поведения, который не режет антифрод.

Рабочая схема всегда одна: разбить генерацию на микрошаги.
• сначала короткий черновик
• потом перефразирование под разные длины и интонации
• затем случайные задержки, опечатки, возвраты к предыдущему сообщению
• в финале — привязка к контексту диалога, а не к шаблону ответа

На уровне API это решается не «магией промпта», а контролем выходного распределения: temperature, top_p, ограничение длины, запрет на одинаковые стартовые конструкции. Плюс нужен state management: модель должна помнить, что у «пользователя» есть история, а не рождать каждый ответ из вакуума. Иначе детект цепляется за нереалистичную когерентность. Автоматизация без имитации человеческого поведения — прямой путь в теневой бан.

Практический минимум: не делайте один универсальный промпт на весь поток, дробите сценарии по типам действий, следите за вариативностью таймингов и вводите слой случайных ошибок. Эффективность системы проверяется исключительно конверсией в целевое действие, а не красотой текста.