arXiv · cs.AI· Ram Vikas Mishra, Shashank Aggarwal, Jahnavi Kumar, Amit Awekar·· 11 小时前
研究者利用部分生成区分提示词有害性与交互安全性
Separating Prompt Harmfulness from Interaction Safety via Partial Generation
arXiv:2610.16761v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ram Vikas Mishra, Shashank Aggarwal, Jahnavi Kumar, Amit Awekar
研究任务与主要进展
研究者提出利用大语言模型的部分生成结果提前判断交互安全性，避免仅凭提示词直接拒绝可能能够安全回答的请求。基于论文摘要，研究构建了来自Llama、Gemma和Qwen七个开放权重模型的41,944组提示词—响应对；提示词有害性与响应有害性标签的一致率仅为50.46%，Cohen's κ为0.06。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org