跳到正文
arXiv · AI· Yuanfan Li, Junyi Chen, Qi Zhou, Rui Yang, ZhangLiujie, Weihang Chen·· 2026-10-15AI 评分45

前沿语言模型在紧急简单决策中是否优先“保护”而非物理后果:ProtectionBench 基准测试分析

When Protection Overrides Consequences: Understanding Protection Mode in Large Language Model Decision-Making

AI 导读

GPT-5.6 Sol 等在简单紧急任务中常优先保护主体而非避免物理损坏,该现象被称为 Protection Mode。 研究使用 285 条提示词和 9 个模型进行测试,发现 Sol 最低推理力度下 34.74% 的响应优先保护主体,MiniMax M3 和 Qwen3.5-27B 超过 83%。

来源:arXiv · AI · arxiv.org