arXiv · cs.AI· Kausar Moshood, Jace Bolante, Roshan Aditya Murali, Manish Motwani·· 2 天前
LEST框架用安全规范驱动大语言模型黑盒测试
Specification-Based Testing of Large Language Models
arXiv:2610.14443v1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：Kausar Moshood, Jace Bolante, Roshan Aditya Murali, Manish Motwani
研究任务与主要进展
作者提出LEST，将大语言模型安全声明作为规范，匹配基准提示并通过提示突变寻找反例，再人工验证拒答到服从的转变。研究基于Claude Opus 4.8和GPT-5.5的系统卡及SORRY-Bench的97个种子提示：56项安全声明中29项可由提示测试，但只有17项被适用基准提示覆盖；1,836个突变提示产生312个自动化分类器标记，人工确认其中19个符合意图保持且确实服从。
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