English(EN) Are LLMs Safe Beyond Text: Do Emojis Expose Gaps in Safety Evaluation

研究发现表情符号暴露了大型语言模型评估中的安全漏洞

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-20 04:00

一项新近发表在arXiv上的研究调查了大型语言模型（LLMs）在接收包含表情符号的提示时的安全性，揭示了当前安全评估方法可能存在的差距。该研究使用了50个包含表情符号的提示，测试了包括Mistral 7B、Qwen 2 7B、Gemma 2 9B和Llama 3 8B在内的五种不同的LLMs。结果表明，Gemma 2 9B和Mistral 7B的稳健性最差，生成不安全输出的成功率为10%，而Qwen 2 7B则表现出完全的抵抗力。 AI

影响强调了大型语言模型需要超越纯文本提示的多样化安全评估方法。

排序理由该集群包含一篇详细介绍大型语言模型安全研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍大型语言模型安全研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 49 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · M P V S Gopinadh · 2026-08-20 04:00

大型语言模型是否超越文本就安全：表情符号是否暴露了安全评估中的漏洞

arXiv:2608.18164v1 Announce Type: cross Abstract: Safety evaluations of large language models (LLMs) predominantly rely on text-based adversarial prompts, potentially overlooking vulnerabilities arising from alternative input representations. This work examines emoji-augmented pr…

本文如何被排名

报道来源 [1]

大型语言模型是否超越文本就安全：表情符号是否暴露了安全评估中的漏洞

相关实体

相关话题