arXiv · NLP· Daniel C. Ruiz, Anna Serbina, Ashwin Rao, Emilio Ferrara, Luca Luceri·· 4 小时前AI 评分28
基于 LLM 的政治影响力红队测试：表达保真度与越狱机制研究
How Far Will They Go? Red-Teaming Online Influence with Large Language Models
AI 导读
针对本地部署的开源大语言模型（LLM），研究团队通过红队测试发现，这些模型在政治表达上存在系统性不对称性。 评估超过 30 个来自 10 个模型族的 LLM 后发现，左翼内容的表达保真度通常较高，且模型越大，平均 OW 得分越低。 研究结果揭示了不同国家模型在表达保真度上的差异，并展示了简单的自然语言越狱能显著改变评分，为政治可控性审计提供了依据。
来源：arXiv · NLP · arxiv.org