arXiv · cs.AI· Diego Miguel Lozano·· 6 天前AI 评分49
LLM 安全中的极性盲：否定、反义词替换与对抗性框架的系统研究
Polarity Blindness in LLM Safety: A Systematic Study of Negation, Antonym Substitution, and Adversarial Framing
来源与原文
arXiv · cs.AI
作者：Diego Miguel Lozano
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/2610.27908v1
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
一项研究提出“极性盲”漏洞：LLM 在经历语法否定或反义词替换等极性翻转后无法识别有害意图，从而绕过安全护栏。该研究使用 260 条提示、覆盖 10 个 SOTA LLM 和 3 种语言，发现多数受测模型存在此问题，最脆弱模型的平均危害分达 4.12（0-5 危害量表）。该效应跨越不同否定系统存在，表明这反映的是语义鲁棒性的更广泛局限，而非特定语言或语法问题。
来源：arXiv · cs.AI · arxiv.org