Время Астаны
AI QAZAQSTANKZ · AIБета

Умный портал об искусственном интеллекте и высоких технологиях в Казахстане

Исследования1 мин чтения

Материал агрегирован из первоисточника:

arXiv — cs.AI

Читать полностью в arXiv — cs.AI

Материал собран из открытых источников. Если размещение затрагивает ваши права → Удалить информацию

Заголовок на английскомHow Narrative Wrapping Affects LLM Refusal: A Cross-Language Benchmark and Defense

Safety-aligned language models often refuse a harmful request stated directly but answer the same request inside a role-play or narrative wrapper. We measure this vulnerability across languages and registers: attack success on Qwen3-1.7B is already 89.4% in English and 93.0% in…

arXiv — cs.AIАвтор: Zhankai Ye, Yanning Wang, Yukai Jin, Bo Mei, Fangyi Li, Wei Wang, Shangqian Gao, Xin Liu9 октября 2026 г. (9 окт.)
Доступно на 1 языках

Кратко от AI: Главные тезисы

  • Safety-aligned language models often refuse a harmful request stated directly but answer the same request inside a role-play or narrative wrapper
  • We measure this vulnerability across languages and registers: attack success on Qwen3-1.7B is already 89.4% in English and 93.0% in…
Исследования
KZ·AI 94F0
Инсайт дня

How Narrative Wrapping Affects LLM Refusal: A Cross-Language Benchmark and Defense

Теги:#arXiv
Поделиться:

Похожие материалы

Судья отклонил иск сестры Сэма Альтмана о сексуальном насилии

Судья отклонил иск сестры Сэма Альтмана о сексуальном насилии

Во вторник окружной судья США Закари Блюстоун отклонил иск, поданный Энн Альтман в прошлом году, утверждая, что ее брат, генеральный директор OpenAI Сэм Альтман, подвергал ее сексуальному насилию на протяжении всего ее детства. Как ранее сообщало The Guardian, судья написала, что за последний год Энн...

The Verge — AI

К списку