arXiv · cs.AI· Zhankai Ye, Yanning Wang, Yukai Jin, Bo Mei, Fangyi Li, Wei Wang, Shangqian Gao, Xin Liu·· 1 天前
叙事包装如何影响大语言模型拒答：GUISE跨语言基准与AXIS防御
How Narrative Wrapping Affects LLM Refusal: A Cross-Language Benchmark and Defense
arXiv:2610.11005v2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：Zhankai Ye, Yanning Wang, Yukai Jin, Bo Mei, Fangyi Li, Wei Wang, Shangqian Gao, Xin Liu
研究任务与主要进展
研究构建GUISE跨语言基准，评估叙事包装对大语言模型拒答安全性的影响，并提出AXIS防御方法。摘要报告，Qwen3-1.7B在英语、现代汉语和文言文中的攻击成功率分别为89.4%、93.0%和95.7%；AXIS结合偏好优化、拒答方向表示对齐和完全拒答目标，在Qwen3-1.7B、Qwen3-4B和GLM-4-9B上取得了所比较方法中最高的安全性与可用性综合得分。
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