Безопасность, выравнивание и джейлбрейки

Коротко: Выравнивание означает, что модель делает то, чего люди действительно хотят, и избегает вреда. Джейлбрейк пытается обойти защиту модели хитрыми вводами.

Подробнее: Поскольку модели учатся на данных, они могут выдавать и вредное содержимое. Провайдеры применяют несколько уровней защиты.