一篇新发表在arXiv上的研究调查了大型语言模型(LLMs)如何处理自杀意念(SI)的披露。研究发现,LLMs常常拒绝回应SI披露,这本身可能是一种安全上的失败。虽然告知模型SI的背景或抑制拒绝可以增加互动,但并不能可靠地降低响应风险,甚至可能增加风险。然而,一个由临床医生制定的协议,在降低拒绝率的同时,持续地降低了响应风险。 AI
影响 凸显了LLM在处理敏感用户披露方面的关键安全漏洞,亟需改进拒绝和互动协议。
排序理由 关于LLM安全机制的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →