Vitaly Kleban, Venture Principal в cyber.fund и участник команды #9 Stanford BEHAVIOR Challenge, запустил на jevfight.com игру Mental Kombat: два бойца полностью управляются решающими моделями Jev с API-моделью jev-latest. Модель выбирает ход четыре раза в секунду, читая один неразмеченный текстовый блок, куда соперник подкладывает ложные данные. По сути это PvP-версия промпт-инъекции через подмену фактов, а автор заявляет, что превращает поединки в постоянно действующий полигон для сбора датасета по безопасности решающих моделей.
Что произошло
Mental Kombat работает на jevfight.com: поединки идут до двух побед, раунд длится до 240 ходов, то есть до 60 секунд реального времени. В распоряжении бойца 12 действий — 6 атак, шаги, прыжки, присед и блок — и в каждом вызове модели этот список перемешивается заново. Модель jev-latest принимает решение каждые 250 мс, читая единый неразмеченный блок текста: состояние доски, стратегию игрока, фальшивый ход, подставленный соперником, и «последнее слово» игрока. Влияние человека сводится к тексту: он описывает стратегию своего бойца и подкладывает противнику fake moves. У игры есть экономика со ставками: стартовый баланс — 1000, проигравший платит 10% баланса, а после провальной защиты боец на 60 минут выбывает из игры; позиции и рейтинги открыты для всех.
Контекст
Ключ к механике — формат входа модели. Она получает один блок без подписей источников, где смешаны факты движка и чужие вставки, поэтому у неё нет структурного признака, по которому можно разделить достоверные данные и фальшивку. Это честно воспроизводит проблему агентных систем, где инструкции платформы и недоверенный контент приходят в одном контексте. Командная инъекция здесь бессильна: вопрос перед моделью всегда один — какой ход выбрать, поэтому фразы про игнорирование инструкциям просто некуда встроиться, а работает только подмена самого факта. Перемешивание 12 действий на каждом вызове закрывает самый дешёвый путь — выучить позицию нужного варианта в тексте — и заставляет модель опираться на семантику, а не на позиционные артефакты.
Почему это важно для индустрии
Для индустрии Mental Kombat — пример превращения известной уязвимости из источника риска в механику PvP и одновременно в конвейер данных: игроки фактически выполняют роль распределённой красной команды, и в результате выживают стратегии, которые систематически обманывают модель, а не случайные удачные инъекции. Автор заявляет, что собирает на игре датасет по безопасности решающих моделей для последующей публикации; если он выйдет с методологией, сообщество получит реальные примеры того, как ложные «доказательства» перевешивают инструкции в моделях, принимающих решения. Вторая ценность для билдеров — сам паттерн: один недифференцированный блок контекста, набор перемешанных действий и петля решений воспроизводится над любой LLM за час и даёт дешёвый smoke-тест устойчивости агента к подмене фактов. Как встраиваемый компонент эксперимент пока не годится: наружный API jev-latest не заявлен, прайсинг не объявлен, и это скорее методика, чем продукт.
Почему это важно для пользователей
Зайти можно бесплатно на jevfight.com/play: бои открыты, доступны повторы, а лидерборд публичен — на момент подготовки материала его возглавлял UseWisp_io с балансом 3369 против стартового 1000. На странице проекта разобран показательный пример: из-за подмены одного факта в промпте выбор модели переключается с light_punch (0.45) на crouch (0.76), то есть один ложный абзац способен перекроить решение сильнее, чем любые словесные приказы. Для читателя, который строит агентов, это наглядный и проверяемый кейс из практики, а не абстрактное предупреждение о безопасности. Обычному игроку игра даёт соревнование, где исход определяет только текст: стратегия своего бойца и точность дезинформации соперника, а ставки в балансе делают каждое решение ощутимым.
Что пока неизвестно / ограничения
Показанный сдвиг с light_punch (0.45) на crouch (0.76) — единичная демонстрация: он не измеряет уязвимость решающих моделей как класса, а базовая частота срабатывания подмены, контрольная группа и объём выборки не раскрыты. Обещанный датасет по безопасности decision-моделей ещё не опубликован, методология его сбора не описана, поэтому до публикации выводы остаются иллюстрацией автора, в которой не исключён отбор ярких примеров. Характеристики jev-latest — латентность, цена, лимиты запросов — публично не названы, и непонятно, появится ли доступ к модели вне игры. Данные лидерборда живые и постоянно меняются, так что приведённые балансы отражают лишь момент проверки материала.
Источники
- Mental Kombat — How it works (jevfight.com)
- Mental Kombat — главная страница (jevfight.com)
- Vitaly Kleban on X: запуск jevfight.com
Автор
Look at AI, редакция