arXiv Artificial Intelligence· Mohan Li, Chengyu Yu, Francesco Sovrano, Marc Langheinrich, Martin Gjoreski·2026-10-15 12:00· 19 小时前AI 评分52

LLM 对齐的效用不对称：语义保持变换下的对齐泛化研究

LLM Alignment--Utility Asymmetry under Semantic-Preserving Transformations

AI 导读

论文研究 LLM 对齐在输入分布偏移下的稳定性，使用基于规则且可逆的合成语义保持变换作为探测手段，在四个开源权重模型和四个商业模型上、涵盖微调与上下文学习两种设置。