arXiv cs.AI· Diego Miguel Lozano, Erik Derner, Juan Antonio P\'erez-Ortiz, Nuria Oliver·· 1 天前AI 评分49
LLM 安全中的极性盲：否定、反义词替换与对抗性框架的系统性研究
Polarity Blindness in LLM Safety: A Systematic Study of Negation, Antonym Substitution, and Adversarial Framing
AI 导读
一项 arXiv 研究提出"极性盲"概念，指大语言模型在经历语法否定、反义词替换等极性改变的语言变换后无法识别有害意图的结构性漏洞。研究使用覆盖 10 个主流 LLM、3 种语言（英语、西班牙语、捷克语）的 260 条提示词基准和 0-5 有害性量表评估，发现大多数受测模型受此影响，最脆弱模型的平均有害性得分达 4.12，且该效应在不同否定系统间持续存在。
来源：arXiv cs.AI · arxiv.org