arXiv · cs.AI· Jongwook Yoon, Jongwon Lim, Sungjib Lim, Woojin Cho, Yohan Jo·· 1 天前
LLM 如何在否定下改变预测？
How Do LLMs Change Predictions Under Negation?
arXiv:2610.09571v1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：Jongwook Yoon, Jongwon Lim, Sungjib Lim, Woojin Cho, Yohan Jo
首次提交：2026-10-07 15:12
研究任务与主要进展
基于论文摘要，研究人员评估开源与闭源大语言模型在否定基准上的表现，发现37%—71%的案例在否定后重复原答案。机制分析显示，专门的注意力头与MLP神经元通过抑制原答案、促进同类候选答案来处理否定；针对这一机制设计的训练目标减少了否定失败，相比标准微调基线对通用能力的影响更小。
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