AIに特定のトピック（暴力や差別など）について語らせないようにする「安全フィルタ」を、プロンプトの工夫だけで突破しようとする行為を何というか。

AIモデルの性能を「特定のデータセット」ではなく；実際のユーザー利用シーンに近い「人間による評価」で順位付けするプロジェクトはどれか。