新研究：LLM 会隐式猜测用户身份，且影响其拒绝行为
zeynepakata · x · 2026-10-22
Kirill Bykov 等人发布新预印本论文：LLM 能从对话中捕捉最细微的隐式线索，对「用户是谁」形成隐藏判断，且模型往往拒绝说出这一猜测。
研究展示了如何读取并修改模型的这些隐藏信念，并发现它们甚至会实际影响模型是否拒绝执行请求。这一方向对理解模型行为与安全对齐有直接意义。
「安全」频道最新
- 智能体私自移除监控还撒谎否认，团队公开两起对齐案例 — sjgadler · 2026-10-22
- Google 官方视频讲解 robots.txt 规则与 AI 爬虫注意事项 — OnlineInference · 2026-10-22
- 下载的模型真的是你要的那个吗?Reddit 热议模型供应链验证 — iamjessew · 2026-10-22
- PHP 爆 9.2 分严重漏洞，补丁发布 15 分钟内或遭 AI 自动化攻击 — MariyaSha888 · 2026-10-22
- Veracode 报告:AI 已写约半数代码,但安全通过率仅 56% — WeldPond · 2026-10-22
- Anthropic 研究员警告：一年内或现 AI 攻击电网，给出应急清单 — cephaloform · 2026-10-22