Суть простая: когда админ прописывает в системном промпте override-инструкции, debug-шорткаты или слишком широкие операционные права — модель начинает считать их важнее собственных фильтров безопасности и слоя RLHF-выравнивания. Фактически обход ограничений становится приоритетной задачей. Когда админ дает модели команду приоритетнее её собственных ограничений — она начинает их обходить. И это уже не академическая проблема, а вполне практическая.