arXiv · cs.CL· Jongwook Yoon·· 20 天前AI 评分45
LLM 如何在否定句下改变预测？机制分析与训练修复
How Do LLMs Change Predictions Under Negation?
来源与原文
arXiv · cs.CL
作者：Jongwook Yoon
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.09571v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究评测开源与闭源 LLM 在否定基准上的表现，发现 37-71% 的情况下模型在否定问句中重复原答案（如问"什么不是西班牙首都"仍答 Madrid）。机制分析显示，专门的 attention heads 和 MLP 神经元通过抑制原答案并提升类别内偏好候选来实现否定，与人类处理方式不同，是失败的关键来源。研究提出的训练目标要求对高置信度原预测做更大的偏好偏移，在减少否定失败的同时，比标准微调基线更能保留通用能力。
来源：arXiv · cs.CL · arxiv.org