arXiv · cs.AI· Maverick Morales, Tomáš Dominik, Vermut Gao, Katrina Shirey, Paulius Rimkevičius, Aaron Schurger, Uri Maoz·· 20 小时前
大语言模型受提示要求虚假回答时推理 Token 激增
Reasoning-Token Spikes Under Prompted Untruthful Responding in Large Language Models
arXiv:2610.10405v1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：Maverick Morales, Tomáš Dominik, Vermut Gao, Katrina Shirey, Paulius Rimkevičius, Aaron Schurger, Uri Maoz
首次提交：2026-10-08 00:53
研究任务与主要进展
三个具备推理能力的大语言模型完成210道多选题测试，在系统提示要求虚假回答时，生成的推理 Token 均多于如实回答和计较真实性时的回答。基于论文摘要，结果覆盖分析、描述、规范、道德与非道德问题；推理 Token 数量可作为无需读取推理内容的候选信号，但尚未证明能检测自发欺骗或一般失配。
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