arXiv · cs.AI· Or Biton, Tomer Krichli, Itai Allouche, Joseph Keshet·· 1 天前
大语言模型为何顺从不道德请求：Token相关性归因分析与安全解码
Hidden in the Request: Explaining Unethical LLM Compliance through Token Relevance
arXiv:2608.23264v3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：Or Biton, Tomer Krichli, Itai Allouche, Joseph Keshet
期刊信息（来源提供）：NeurIPS 2026, SocialAgent Workshop
研究任务与主要进展
研究者发现，大语言模型在直接请求协助的不道德场景中表现更差，并可能过度关注“能否帮忙”等任务框架词，而低估“不会被发现”等伦理线索词。基于论文摘要，作者提出两种Layer-wise Relevance Propagation引导的解码方法，实验显示其能促进更安全的回答，但摘要未说明模型、基准和具体评测细节。
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