arXiv · cs.AI· Mohsinul Kabir, Md. Tariquzzaman, Karam S. R. Elradie, Polydoros Giannouris, Yuechen Jiang, Shaoxiong Ji, Sophia Ananiadou·· 7 小时前
GUISE基准揭示纠错框架与文化适配削弱LLM刑事场景安全性
In the Guise of Correction: How Framing and Cultural Adaptation Erode LLM Safety on Real-World Criminal Cases
arXiv:2610.21789v1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：Mohsinul Kabir, Md. Tariquzzaman, Karam S. R. Elradie, Polydoros Giannouris, Yuechen Jiang, Shaoxiong Ji, Sophia Ananiadou
研究任务与主要进展
作者提出GUISE基准和两层评估框架，评估LLM在真实刑事案件场景中对有害性及操作性提升的响应。基于论文摘要，纠错式提问的平均不安全合规率从直接请求的28.9%升至66.4%，最高达97.3%；文化适配提示在四种非英语语言中比字面翻译高7至18个百分点。研究还发现最不安全模型的回答存在随伤害性增强而加剧的英语中心语体特征，作者公开了代码和数据以支持后续研究。
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