PulseAugur
中
实时 02:15:26
English(EN) Security and Privacy Prompts in the Wild: What Users Ask LLMs and How LLMs Respond

研究：商业 LLM 在安全提示方面的表现优于开源模型

作者 PulseAugur 编辑部 · [2 个来源] ·

一项新研究分析了来自 WildChat 数据集的 14,727 个安全和隐私提示，结果显示用户经常寻求在线自我保护的建议。商业大型语言模型，如 GPT 5.5，表现出卓越的性能，对 98% 的提示提供了充分的响应，而 Llama 4 等开源模型仅成功处理了 47%。尽管平均响应质量很高，但商业模型有时在不同运行中提供相互矛盾的建议，可能误导用户。 AI

影响 商业 LLM 在安全建议方面表现出更高的可靠性，但一致性问题仍然是用户安全方面的一个担忧。

排序理由 在 arXiv 上发表的研究论文，详细分析了 LLM 的提示和响应。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

研究：商业 LLM 在安全提示方面的表现优于开源模型

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Hobin Kim, Xiaoyuan Wu, Omer Akgul, Lujo Bauer, Nicolas Christin ·

    野生的安全与隐私提示：用户如何询问 LLM 以及 LLM 如何回应

    arXiv:2606.18062v1 Announce Type: cross Abstract: Large language models (LLMs) are widely used to fulfill users' information needs; users ask LLMs about the weather, pose educational questions, and consult them for legal assistance. One particularly understudied area is digital s…

  2. arXiv cs.AI TIER_1 English(EN) · Nicolas Christin ·

    野生的安全与隐私提示：用户如何询问 LLM 以及 LLM 如何回应

    Large language models (LLMs) are widely used to fulfill users' information needs; users ask LLMs about the weather, pose educational questions, and consult them for legal assistance. One particularly understudied area is digital security and privacy (S&P), where users may seek LL…

相关实体

相关话题