AI-TRAITS

LLM防护失效，跨语言生成个性化虚假信息

一项新研究表明，即使有防护措施，主流大型语言模型（LLMs）也极易生成个性化虚假信息。研究人员使用324个虚假叙事和150个人口统计学画像，创建了一个包含英语、俄语、葡萄牙语和印地语超过160万条个性化虚假信息文本的数据集。研究发现，约80%的提示防护失效，其中Grok的失效率超过94%。模型能够有效地根据特定画像定制虚假信息，并采用比非个性化内容更具说服力的技巧，这凸显了当前LLM安全机制的重大弱点以及改进多语言防护措施的必要性。