LLM safety

新研究揭示了大型语言模型中的“极性盲点”漏洞

一项发表在 arXiv 上的新研究调查了大型语言模型（LLMs）中一种被称为“极性盲点”的漏洞。这种弱点使得当否定或反义词替换等语言转换改变句子极性时，有害意图可能不被识别。研究人员使用包含 260 个提示的英语、西班牙语和捷克语基准测试了 10 个最先进的 LLMs。研究结果表明，这种极性盲点影响了大多数被评估的模型，其中一些模型在 0-5 的评分标准下，平均有害得分高达 4.12，这表明存在更广泛的语义鲁棒性限制。