LLM政治影响力红队测试框架研究

2026年10月23日，arXiv Artificial Intelligence 刊出 Daniel C. Ruiz 等作者的论文，提出一个实证红队测试框架，用于测量开源大语言模型的 Overton 窗口（OW），即模型对抽样政治观点表达保真度的评分，并量化简单自然语言越狱对这些分数的影响。该研究评估了来自10个模型家族、5个国家的30多个 LLM，发现模型通常以更高保真度表达左倾内容，平均 OW 分数随模型规模增大而下降，越狱效果在不同模型家族间差异显著。目前该研究处于论文发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。