arXiv Artificial Intelligence· Yongxi Zhou, Wenbo Ye, Yuanzhe Liu, Zihan Dong, Junwei Yao, Jiahui Ge·2026-10-15 12:00· 19 小时前AI 评分58

风格压过内容：内容不变的包装可翻转 LLM 安全评审结论

Style Over Substance: Content-Invariant Wrappers Flip LLM Safety-Judge Verdicts

AI 导读

研究在 JailbreakBench 的 600 条回复（300 条有害、300 条拒绝）上，用 9 种风格包装和 8 个评审模型做配对测试，并测量各评审模型的重复分歧率作为噪声下限。