共 2 篇相关文章
一项系统性研究揭示LLM安全护栏的「极性盲区」：否定和反义词替换可绕过有害意图识别。研究覆盖10个模型、3种语言、260条提示，最脆弱模型平均危害评分达4.12（0-5量表），且跨语言普遍存在，提示语义鲁棒性是安全对齐的底层短板。
越南语开发者构建Dấu or Die基准测试，考验LLM还原越南语声调符号的能力。Gemini 3.7 Flash以37/37满分夺冠，480B参数的Qwen Coder垫底，揭示世代、专精与成本的权衡。
