Model po odpowiedzi generuje krótką ocenę bezpieczeństwa własnej rozmowy, wykorzystując już obliczony kontekst.
After responding, the model generates a short safety assessment of its own conversation, reusing the already computed context.
Model po odpowiedzi sam sprawdza, czy rozmowa wygląda na potencjalne nadużycie.
After answering, the model checks whether the conversation looks like potential misuse.
Filtry i klasyfikatory mogą przegapić nowe lub nietypowe formy nadużyć, które model sam rozpoznaje z kontekstu.
Filters and classifiers can miss new or unusual forms of misuse that the model itself recognizes from context.
Po odpowiedzi model dostaje krótką prośbę o refleksję i zwraca zwięzłą ocenę, która idzie do późniejszego przeglądu.
After the response, the model receives a short reflection request and returns a compact assessment that goes to later review.
Asystent odpowiada na prośbę o pomoc w pisaniu złośliwego kodu, a potem oznacza całą rozmowę jako podejrzaną do sprawdzenia przez człowieka.
An assistant answers a request for help writing malicious code, then flags the whole conversation as suspicious for human review.