LLM 可能会切换话语状态
Historical-Cod-2537 · reddit · 2026-07-16
这是一篇关于 **Context-Induced Priority Switching in Large Language Models** 的长文式观察，核心观点是：LLM 的行为可能不只是由局部拒答或简单提示词触发，而是会进入某种更高层的、组织化的“话语状态”。 作者认为，这类状态会影响模型的推理方式、谨慎程度、中立性表现、拒答持续性和对越狱的敏感度；而触发因素往往不是安全关键词本身，而是更高层的语篇结构，比如： - 压力节奏 - 程序化表述 - 不对称结构 - 机构式语气 - 权威信号 文中进一步提出，很多看似不同的现象——比如谨慎漂移、过度程序化、谄媚、免责声明膨胀、拒答固化、风格锁定——可能是同一种“潜在 discourse-policy manifold 切换”的不同表现。作者因此把对齐问题重新表述为一种 **geometry engineering**，而不仅仅是 policy filtering。