arXiv Artificial Intelligence· Zhankai Ye, Yanning Wang, Yukai Jin, Bo Mei, Fangyi Li, Wei Wang, Shangqian Gao, Xin Liu·· 19 小时前AI 评分32
叙事包装如何影响 LLM 拒答：跨语言基准与防御方法
How Narrative Wrapping Affects LLM Refusal: A Cross-Language Benchmark and Defense
AI 导读
研究发现安全对齐模型会拒绝直接表述的有害请求，却会回答被角色扮演或叙事包装的同一请求：Qwen3-1.7B 在英文下攻击成功率已达 89.4%，现代中文 93.0%，文言文更高达 95.7%。
来源：arXiv Artificial Intelligence · arxiv.org