Помимо общих ИИ-штампов есть более специфичные утечки — модель иногда случайно вставляет фрагменты служебных рассуждений, переключается на чужой алфавит, зацикливается на повторе фразы или прямо заявляет 'я человек', что только усиливает подозрение, а не снимает его.
Отдельный фильтр проверяет черновик ответа на конкретные паттерны-утечки (чужие алфавиты, повторы-деградации, прямые заявления о человечности, следы цепочки рассуждений) и вырезает или переписывает такие фрагменты перед отправкой.
Python, набор эвристических фильтров поверх черновика ответа языковой модели.
Готово и используется.