待验证50% 置信事实精确时间

研究发现大多数LLM会僵化地优先选择逻辑防御，几乎不会把品格反击作为政治话语中的行动手段

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

大模型不会"人身攻击"：安全微调如何限制LLM的辩论能力

涉及实体

相关事实

待验证可解释性可能被对抗性利用——一旦敌方理解模型判断逻辑就可设计规避策略73% 相似待验证以往对LLM辩论能力的评估多集中在事实准确性和逻辑连贯性，而忽视了ethos和pathos等社会修辞维度71% 相似待验证此前LLM道德判断研究大多基于单轮判断和施压式反驳两种不符合现实的假设70% 相似待验证论文认为在法律场景中拒绝回答或提示不确定性往往比强行给出看似完整的答案更负责任，这与当前LLM倾向于永远给出答案的行为形成对比70% 相似待验证语言模型生成的拒绝理由可能是编造的合理化解释（幻觉），而非基于明确的安全政策67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949130

API

curl https://kongchang.com/api/v1/knowledge/claims/949130

MCP

get_claim(id=949130)