论文提出LLM用户模拟中的中立性缺口
热点事件持续更新
论文提出LLM用户模拟中的中立性缺口
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Jiashen Ren 等作者在 arXiv 论文（arXiv:2609.35036）中研究 LLM 用户模拟的人格提示，发现仅指定一个目标属性时，模型在八个黑盒和五个开放权重模型上都会连带改变未指定的非目标属性选择；作者将这一差距称为「中立性缺口」（neutrality gap）。 该研究指出，人格提示普遍依赖一个未经检验的假设：指定目标属性只改变目标行为、不影响其他属性。论文还提出一种缓解方法：阻断查询时注意力可将非目标漂移降低 72.1%–87.8%。
AI 根据报道生成 · 2 小时前更新
最新进展11月14日 13:00
arXiv 论文提出 LLM 用户模拟中的中性性差距：人格跟随不等于选择性控制报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIarXiv 论文提出 LLM 用户模拟中的中性性差距：人格跟随不等于选择性控制
arXiv 论文 arXiv:2609.35036 研究 LLM 用户模拟中的人格提示，发现指定目标属性会连带改变未指定的非目标属性，提出中性性差距概念。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。