Mental Kombat: модели дерутся промпт-инъекциями

🥊 Mental Kombat: модели дерутся промпт-инъекциями

Автор — Vitaly Kleban (cyber.fund). На jevfight.com двумя бойцами управляют решающие модели Jev (jev-latest): 4 раза в секунду модель выбирает ход по одному неразмеченному блоку — состояние доски, ваша стратегия, фальшивый ход соперника, «последнее слово». Игрок тренирует бойца и подсовывает сопернику ложные ходы. Бой до двух побед, проигравший платит 10% баланса.

🌍 Промпт-инъекция тут не уязвимость, а механика: модель получает всё одним блоком без подписей, и факты движка не отделить от текста соперника. «Игнорируй инструкции» не работает — работает только подмена факта. Автор собирает датасет по безопасности решающих моделей.

👤 Вход бесплатный на jevfight.com/play: открыты бои и лидерборд (лидер UseWisp_io, баланс 3369). Подмена одного факта меняет решение модели с light_punch (0.45) на crouch (0.76).

Источник 1: https://jevfight.com/how Источник 2: https://www.jevfight.com/