概念authoritative framing

权威框架

一种借用社会心理学框架效应概念的分析维度，指通过措辞、语气、身份暗示等方式向模型传递发话者具有社会地位或决策权力的信号，用于评估措辞的社会属性对模型行为的调制作用

时间轴 (近 90 天)

10月16日

该论文的核心发现是措辞的权威性可能比明确的指令更能左右 Gemma 4 模型的行为。

待验证50%

10月16日

权威框架（authoritative framing）借用了社会心理学中的框架效应概念，即同一信息的不同表述方式会引发接收者不同的判断与行为，即便语义内容完全一致。

待验证50%

10月16日

论文结论表明权威框架能够显著影响 Gemma 4 的行为表现，打破了模型只对语义内容做出反应的朴素假设。

待验证50%

10月16日

若权威框架能系统性提高模型的服从倾向，则说明安全对齐训练可能存在分布外盲区：攻击者无需改变请求实质内容，只需更换包装方式就可能绕过拒答机制。

待验证50%

该论文的核心发现是措辞的权威性可能比明确的指令更能左右 Gemma 4 模型的行为。

论文结论表明权威框架能够显著影响 Gemma 4 的行为表现，打破了模型只对语义内容做出反应的朴素假设。