отказу в обслуживании. Исследователи подготовили вредоносные промпты, представляющие различные классы атак: рекурсивное расширение контекста (рекурсия по типу Quine), фрактальную вложенность, вычислительный взрыв, семантический комбинаторный взрыв, симуляцию мультиагентных систем и злоупотребление глитч-токенами (glitch tokens). Такие промпты способны заставить модель генерировать чрезмерно длинные ответы, симулировать тысячи сущностей или рекурсивно анализировать собственные рассуждения — и всё это под видом вполне легитимных запросов пользователя. В рамках исследования были протестированы две российские флагманские LLM — YandexGPT Lite 5 и GigaChat Lite — с использованием веб-сервиса AI Red Team, который поддерживает более 2000 вредоносных промптов, из них 200 нацелены именно на категорию OWASP LLM10. Оценка проводилась по методике LLM-as-judge (когда одна языковая модель выступает в роли судьи, оценивающего ответы другой) с последующей ручной проверкой результатов. Авторы статьи подчёркивают, что традиционные меры защиты, такие как фильтрация по ключевым словам, оказываются неэффективными, и указывают на необходимость разработки более надёжных архитектурных механизмов защиты.