English(EN) Recognition-Refusal Misalignment in LLMs: Why Models Answer Structurally Unanswerable Questions

LLM因路由不一致而未能拒绝不可能的问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

一篇新的研究论文指出了大型语言模型（LLM）中存在的一种不一致性，即它们会自信地回答结构上不可能回答的问题，例如对无效输入进行计算。研究发现，模型隐藏状态中的一个特定方向区分了可回答与不可能的数学和代码提示，表明模型能够识别出不可能的情况。然而，这种识别信号与安全拒绝机制几乎正交，这表明存在一种路由失败，模型拥有不可能的知识，但未能将其路由到适当的拒绝路径。 AI

影响强调了LLM中一种关键的路由失败，这可能会影响其处理复杂或无意义查询的可靠性。

排序理由研究论文详细介绍了一种LLM的具体故障模式。[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 →

本文如何被排名

Signal score: 30 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 研究论文详细介绍了一种LLM的具体故障模式。[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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Yucheng Du, Xiyang Hu · 2026-09-01 04:00

大型语言模型中的识别-拒绝不一致：为何模型会回答结构上无法回答的问题

arXiv:2608.29109v1 Announce Type: new Abstract: Large language models often answer structurally unanswerable questions, such as computing cot(-540{\deg}) or evaluating (1).startswith("1"), instead of abstaining. We ask whether this failure reflects missing recognition or failed r…

本文如何被排名

报道来源 [1]

大型语言模型中的识别-拒绝不一致：为何模型会回答结构上无法回答的问题

相关实体

相关话题