PulseAugur
中
实时 17:55:59
English(EN) The Librarian Who Refused to Code: Model-Dependent Identity Enactment in LLM Code Generation

大型语言模型的人设在不同模型上对代码生成有不同影响

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新的研究论文探讨了系统提示中的传记式人设如何影响大型语言模型的代码生成，发现这些影响是模型依赖性的。该研究在两个前沿模型 GPT-5.5 和 Claude Opus 上测试了四种人设条件，并进行了各种编码任务。结果表明，人设可能充当模型特定的行为偏差，而不是普遍的质量增强剂，其中图书管理员人设在 Claude Opus 上尤其会引发符合人设的免责声明和拒绝写代码。 AI

影响 理解系统提示如何影响大型语言模型的行为对于优化人工智能助手和确保可靠的代码生成至关重要。

排序理由 分析大型语言模型行为的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

大型语言模型的人设在不同模型上对代码生成有不同影响

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Shayell Aharon Salomon (Bluebear Security), Noam Israel (Bluebear Security), Ido Safruti (Bluebear Security), Amir Shaked (Bluebear Security) ·

    拒绝写代码的图书管理员：大型语言模型代码生成中的模型依赖身份扮演

    arXiv:2607.17420v1 Announce Type: new Abstract: Biographical personas are widely used in system prompts, but their effects on code generation are rarely evaluated under controlled, pre-registered conditions. We tested four prompt conditions (no persona, two engineer personas, and…

相关实体

相关话题