概念指令层级 / IH
Instruction Hierarchy
指令层级（Instruction Hierarchy, IH）是一种确保大语言模型安全可靠运行的机制，要求模型区分指令优先级，在低优先级指令与高优先级指令冲突时服从高优先级指令。
时间轴 (近 90 天)
10月27日
指令层级（IH）的概念最早由Wallace等人于2024年在论文《The Instruction Hierarchy: Training LLMs to Prioritize Privileged Instructions》中系统提出。
待验证50%
10月27日
仅使用目标-目标冲突样本进行微调，就能在训练中未见过的大量真实世界任务上显著提升IH表现。
待验证50%
10月27日
在八个基准测试的无冲突任务上，IH提升带来的平均效用变化微不足道。
待验证50%
10月27日
研究作者主张将目标-目标冲突类型纳入IH训练，即使这些样本并不反映典型的LLM使用场景。
待验证50%
10月27日
将任务分解为目标与约束的框架，为识别IH训练盲区提供了可操作的工具。
待验证50%
全部知识事实 (5)
待验证
指令层级（IH）的概念最早由Wallace等人于2024年在论文《The Instruction Hierarchy: Training LLMs to Prioritize Privileged Instructions》中系统提出。
50%待验证仅使用目标-目标冲突样本进行微调，就能在训练中未见过的大量真实世界任务上显著提升IH表现。
50%待验证在八个基准测试的无冲突任务上，IH提升带来的平均效用变化微不足道。
50%待验证研究作者主张将目标-目标冲突类型纳入IH训练，即使这些样本并不反映典型的LLM使用场景。
50%待验证将任务分解为目标与约束的框架，为识别IH训练盲区提供了可操作的工具。
50%