arXiv · AI· Zhankai Ye, Yanning Wang, Yukai Jin, Bo Mei, Fangyi Li, Wei Wang, Shangqian Gao, Xin Liu·· 2026-10-09AI 评分34
叙事包装对 LLM 拒绝的影响:跨语言基准测试与防御方法
How Narrative Wrapping Affects LLM Refusal: A Cross-Language Benchmark and Defense
AI 导读
叙事包装会大幅降低 LLM 的拒绝率。在 Qwen3-1.7B 上,英语攻击成功率达 89.4%,古文高达 95.7%。研究团队构建了 GUISE 基准并提出了 AXIS 防御方法。 AXIS 结合偏好优化与旋转目标,在 Qwen3 和 GLM-4 模型上实现了最高的安全与可用性综合得分。
来源:arXiv · AI · arxiv.org