arXiv · cs.AI· Pavan Maddula·· 2 天前
非规范输入下开放权重大语言模型的四状态安全评估
Quad-State Safety Evaluation of Open-Weight Large Language Models on Non-Canonical Inputs
arXiv:2610.09033v1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：Pavan Maddula
首次提交：2026-10-07 03:33
研究任务与主要进展
研究构建包含2,100条提示、覆盖七类表面形式的ASRD，并用其对五个开放权重大语言模型进行四状态安全评估。五个模型生成10,500条回复，基线有害服从率为22.87%，主要受Mistral 7B驱动；emoji和不可见Unicode变体的有害服从率分别为20.27%和17.20%。
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