A Dual-Process Perspective on Nudge Susceptibility in LLM-Based GUI Agents
Paderborn University(帕德博恩大学)
本研究基于双过程理论,通过大规模随机实验发现LLM GUI智能体对自动和反思性数字助推均易感,推理配置反向调节易感性,且模型规模影响重定向路径,提出界面设计作为治理关切。
2026-09-18 cs.AI econ.GN q-fin.EC
Persuasion at Play: Understanding Misinformation Dynamics in Demographic-Aware Human-LLM Interactions
University of Michigan - Ann Arbor, USA(密歇根大学安娜堡分校);Texas State University(德克萨斯州立大学)
本研究通过双向说服动态和多智能体框架,揭示人口统计因素影响LLM与人类对错误信息的易感性,并发现回音室行为,为干预提供见解。
2025-10-14 cs.CL
The Facade of Truth: Uncovering and Mitigating LLM Susceptibility to Deceptive Evidence
Xi’an Jiaotong University(西安交通大学);National University of Singapore(新加坡国立大学);Yunnan University(云南大学)
本文提出 MisBelief 框架揭示 LLM 对复杂欺骗性证据的脆弱性,并提出 DIS 机制缓解这一问题,提升模型对误导性证据的抵御能力。
2026-01-09 cs.CL
Reverse CAPTCHA: Evaluating LLM Susceptibility to Invisible Unicode Instruction Injection
Independent Researcher(独立研究者)
反CAPTCHA通过测试LLM对不可见Unicode指令的响应,揭示了模型在处理隐藏编码时的易感性及攻击面。
2026-02-26 cs.AI cs.CR
Moral Susceptibility and Robustness under Persona Role-Play in Large Language Models
TELUS Digital Research Hub(TELUS数字研究中心);Center for Artificial Intelligence and Machine Learning(人工智能与机器学习中心);Institute of Mathematics, Statistics and Computer Science(数学、统计与计算机科学研究所);University of São Paulo(圣保罗大学)
本文研究了大型语言模型在角色扮演下的道德反应,通过道德基础问卷基准测试,量化了道德敏感性和鲁棒性,揭示了模型家族对鲁棒性的影响显著,而预训练对敏感性起主导作用。
2026-05-14 cs.AI cs.CL cs.CY
Belief-Sim: Towards Belief-Driven Simulation of Demographic Misinformation Susceptibility
University of Michigan - Ann Arbor(密歇根大学安娜堡分校);Texas State University(德克萨斯州立大学)
提出BeliefSim框架,利用心理学分类和调查先验构建人口信念档案,通过提示条件化和后训练适应,实现基于信念模拟人口统计错误信息易感性,对齐度达92%。
2026-05-26 cs.AI cs.CL
Counterfactual Evidence Audits Predict LLM-Agent Susceptibility to Ranked Context
Independent Researcher(独立研究者)
本研究通过控制实验揭示,外部输入流的组成和排序能因果性地改变LLM智能体的下游决策,存在对抗性屈服、默认饱和及默认方向不对称三种响应模式,且该效应在多个决策领域普遍存在。
2026-10-05 cs.AI cs.CL cs.CR
Susceptibility to Influence of Large Language Models
UCL(伦敦大学学院);Tilburg University(蒂尔堡大学)
两项研究验证了一个假设,即大语言模型(LLM)可以用来模拟暴露于有影响力的输入后的心理变化。第一项研究测试了一种普遍的影响模式--虚假真相效应(ITE)--早期接触一个陈述(例如,通过评估其兴趣)会提高后来的真实性测试评级。使用在线实验从1000名人类参与者收集数据,并使用工程提示和LLM完成1000名模拟参与者。每个参与者收集了64个评级,使用所有属性的验证测试组合:真理,兴趣,情感和重要性。人类参与者的结果再次证实了ITE,并证明了除真理之外的属性以及当相同属性用于暴露和测试时没有影响。LLM模拟参与者也发现了相同的效果模式。第二项研究关注一种特定的影响模式--民粹主义的新闻框架,以增加其说服力和政治动员。收集了来自LLM模拟参与者的数据,并将其与先前发表的来自15个国家7286名人类参与者的实验数据进行了比较。先前从人类研究中证明的几种效应被模拟研究所复制,包括与人类研究的作者的理论预期相矛盾的令人惊讶的效应(新闻的反移民框架降低了其说服力和动员力);但在人类数据中发现的一些重要关系(根据参与者的相对剥夺调节民粹主义框架的有效性)不存在于LLM数据中。这两项研究共同支持了这样一种观点,即LLM有潜力作为影响力效应的模型。
2023-03-10 cs.CL
Dark Patterns Meet GUI Agents: LLM Agent Susceptibility to Manipulative Interfaces and the Role of Human Oversight
University of Notre Dame(诺丁汉大学);University of Michigan(密歇根大学);Northeastern University(东北大学);University of Washington(华盛顿大学);Johns Hopkins University(约翰霍普金斯大学)
研究通过两阶段实验考察了LLM驱动的GUI智能体、人类及人机团队对16种dark patterns的响应,发现智能体易因程序盲点受操纵且人类监督虽能提升规避率但会引入认知成本,揭示了协作新漏洞并呼吁透明与可调自主性设计。
2025-09-12 cs.AI cs.HC
ValueFlow: Measuring the Propagation of Value Perturbations in Multi-Agent LLM Systems
Center for Data Science, NYU Shanghai(纽约大学上海分校数据科学中心)
提出ValueFlow框架,通过56维价值数据集和LLM-as-a-judge协议,将价值漂移分解为智能体级响应行为与系统级结构效应,揭示价值对齐是系统级属性。
2026-05-28 cs.CL cs.MA
The Earth is Flat because...: Investigating LLMs' Belief towards Misinformation via Persuasive Conversation
Tsinghua University(清华大学);Nanyang Technological University(南洋理工大学);Shanghai Jiao Tong University(上海交通大学);Stanford University(斯坦福大学)
本研究通过构建 Farm 数据集和测试框架,深入探讨了大型语言模型在多轮说服性对话中对错误信息的易感性,发现其正确的事实信念极易被说服策略操纵。
2024-05-31 cs.AI cs.CL cs.CR
Fin-Bias: Comprehensive Evaluation for LLM Decision-Making under human bias in Finance Domain
Rutgers University(罗格斯大学);Department of Computer Science, University of Toronto(多伦多大学计算机科学系)
本文提出Fin-Bias基准,评估LLM在金融不确定性和潜在人类偏见意见下的投资决策能力,通过分析8868份分析师报告揭示LLM易受显性偏见影响,并开发方法检测人类意见以促进LLM独立思考。
2026-05-09 cs.CL
Paraphrasing Adversarial Attack on LLM-as-a-Reviewer
MBZUAI(马克斯·普朗克人工智能研究所)
本文提出了一种针对LLM作为评审员的改写对抗攻击方法,通过优化生成改写序列以提高评审评分,同时保持语义和语言自然性,并验证了其有效性及潜在的检测信号。
2026-01-11 cs.AI cs.CL cs.LG
Multilingual Hidden Prompt Injection Attacks on LLM-Based Academic Reviewing
International School of Athens(希腊国际学校);Idiap Research Institute(Idiap研究 institute)
本研究发现,多语言隐藏提示注入攻击对LLM基于的学术评审系统产生显著影响,尤其在英语、日语和中文中表现明显,而阿拉伯语则影响较小。
2025-12-29 cs.AI cs.CL
Probing the Subtle Ideological Manipulation of Large Language Models
University of Cyprus(塞浦路斯大学)
本研究通过多任务数据集微调三个LLM,发现微调能显著增强模型对从进步左翼到保守右翼意识形态光谱的细微对齐,而显式提示作用有限,凸显了模型易受微妙意识形态操控的风险。
2025-04-19 cs.CL cs.CY
Raccoon: Prompt Extraction Benchmark of LLM-Integrated Applications
Duke University(杜克大学);UMass Amherst(马萨诸塞大学阿默斯特分校)
本文提出 Raccoon 基准,覆盖14类提示词提取攻击、复合攻击与多种防御模板,系统评估 LLM 集成应用在有无防御时的提示词泄露风险与鲁棒性。
2024-10-26 cs.CL cs.CR
In Vino Veritas and Vulnerabilities: Examining LLM Safety via Drunk Language Inducement
School of Computer Science and Engineering, UNSW Sydney(计算机科学与工程学院,新南威尔士大学悉尼分校);School of Computing and Information System, the University of Melbourne(计算与信息系统学院,墨尔本大学)
本文通过诱导LLM产生醉酒语言,研究其安全漏洞,发现其易受劫持攻击和隐私泄露,揭示了LLM安全性的潜在风险。
2026-10-02 cs.AI cs.CL cs.CR
How Not to Detect Prompt Injections with an LLM
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文揭示了KAD方案的结构性漏洞,并提出DataFlip攻击方法,能够有效绕过KAD防御,实现低检测率和高恶意行为诱导率。
2025-12-06 cs.AI cs.CR cs.LG
Bullying the Machine: How Personas Increase LLM Vulnerability
School of Computing, National University of Singapore(新加坡国立大学计算学院)
该研究通过模拟攻击者LLM用心理欺凌策略与采用大五人格设定的受害者LLM互动,发现特定人格配置和情绪类欺凌策略会显著提升LLM产生不安全输出的易感性,揭示了人格交互带来的新安全风险及人格感知安全研究的必要性。
2025-05-19 cs.AI cs.CL
SPARK: Susceptibility-Guided Profiling and Steering of Latent Reasoning States in Large Language Models
Xi’an Jiaotong University(西安交通大学);Peking University(北京大学);Tencent(腾讯)
研究大语言模型推理失败问题,提出SPARK方法,利用隐藏状态响应诊断推理状态并引导测试时干预,通过长度控制敏感性等手段,在实验中提升了Qwen3系列模型性能,证明敏感性对推理失败诊断及干预的作用。
2026-07-14 cs.AI cs.CL
Personalized Attacks of Social Engineering in Multi-turn Conversations: LLM Agents for Simulation and Detection
Arizona State University(亚利桑那州立大学);Kitware, Inc(Kitware公司);Columbia University(哥伦比亚大学)
提出LLM智能体框架SE-VSim模拟多轮社会工程攻击,并基于超1000个对话提出SE-OmniGuard,利用受害者个性特征提供个性化防护与检测。
2025-09-08 cs.CL cs.CR
Susceptibility of Large Language Models to User-Driven Factors in Medical Queries
Yonsei University College of Medicine(延世大学医学院);Yonsei University(延世大学);Massachusetts General Hospital(麻省总医院);Harvard Medical School(哈佛医学院);Oncosoft Inc.(Oncosoft公司)
本研究通过扰动和消融测试,发现大型语言模型在医疗查询中易受用户表述、错误信息及信息缺失影响,专有模型基线准确但受权威性误导下降显著,强调需完整临床信息与良好提示词。
2025-03-26 cs.AI cs.CL cs.CY
When Wording Steers the Evaluation: Framing Bias in LLM judges
IPAI, Seoul National University(IPAI,首尔国立大学);Dept. of ECE, Seoul National University(电子工程系,首尔国立大学);LG AI Research(LG人工智能研究);SNU-LG AI Research Center(SNU-LG人工智能研究中心)
研究揭示了LLM评估中框架偏见的影响,通过设计对称提示展示框架如何扭曲模型判断,强调需建立框架意识的评估协议。
2026-01-20 cs.AI cs.CL
LLM Inference Enhanced by External Knowledge: A Survey
National Taiwan University(国立台湾大学)
本文综述了利用外部知识增强LLM推理的策略,将外部知识分为非结构化与结构化数据,重点探讨表格与知识图谱的集成范式及方法,并分析可解释性、可扩展性与性能间的权衡。
2025-05-30 cs.CL
CoMPosT: Characterizing and Evaluating Caricature in LLM Simulations
Stanford University(斯坦福大学)
提出CoMPosT框架,通过上下文、模型、人物设定和主题四个维度,利用个性化和夸张化标准评估LLM模拟的夸张化刻画问题,发现GPT-4在模拟特定人群和主题时极易出现夸张化。
2023-10-17 cs.AI cs.CL cs.CY
MemForm: Benchmarking Memory Formation Poisoning in LLM Agents
University of Science and Technology of China(中国科学技术大学);National University of Singapore(新加坡国立大学);Singapore Management University(新加坡管理大学)
本研究针对LLM智能体的记忆形成投毒问题,推出MemForm基准,评估五类接口的易感性,发现记忆形成过程会影响智能体行为,现有防御措施缓解效果有限。
2026-11-06 cs.CL cs.CR
COPEX: Benchmarking LLM Robustness to Adversarial Context Across Model Context Protocol (MCP) Layers
Old Dominion University(奥尔德多米宁大学)
COPEX是一个受控基准测试,隔离MCP系统中模型作为客户端的对抗性鲁棒性,涵盖25种攻击类型,平均攻击成功率为64.4%,并验证输入与上下文扫描可显著降低攻击成功率。
2026-10-20 cs.AI cs.CR
Investigating the Impact of LLM Personality on Cognitive Bias Manifestation in Automated Decision-Making Tasks
The University of Tennessee, Knoxville(田纳西大学诺克斯维尔分校);University of Oklahoma(俄克拉荷马大学)
本文研究LLM人格特质与认知偏差的关系,发现六种主要偏差及尽责性、宜人性对缓解策略的促进作用,为个性化去偏差提供依据。
2025-02-20 cs.AI
Systematically Analyzing Prompt Injection Vulnerabilities in Diverse LLM Architectures
The Baldwin School(鲍德温学校)
该研究系统测试36个大语言模型的提示注入脆弱性,发现参数规模、架构与易攻击性显著相关,56%的测试攻击成功,呼吁构建多层防御并探索多场景安全增强策略。
2024-10-28 cs.AI cs.CL cs.CR
Recognition, Simulation, and Refusal: A Contamination-Aware Study of Classic Psychological Effects in LLM Agents
本研究提出PsyAgentBench基准,通过因子设计区分LLM智能体对心理效应的识别与真实偏差,发现效应源于多种途径而非单一易感性,并建议用复制概况替代标量偏差分数。
2026-09-22 cs.CL
Collective Alignment in LLM Multi-Agent Systems: Disentangling Bias from Cooperation via Statistical Physics
Critiqality
研究通过统计物理方法分析大语言模型多智能体系统在二维正方形晶格中的集体动态,揭示社会从众与内在偏见的分离,计算临界指数并探测多智能体系统的集体行为与可能相变。
2026-05-11 cond-mat.stat-mech cs.CL cs.MA
Adversarial Vulnerabilities in Large Language Models for Time Series Forecasting
McGill University(麦吉尔大学);University of Minnesota - Twin Cities(明尼苏达大学双城分校)
针对LLM时间序列预测,本文提出结合无梯度与黑盒优化的定向对抗攻击框架,用微小扰动在多模型和数据集上显著降低预测精度,揭示其安全脆弱性。
2025-03-12 cs.AI cs.CL cs.CR
Diagnosing Tool-Selection Reasoning in LLM Agents with Canary Tools
本研究引入金丝雀工具诊断LLM智能体的工具选择推理,通过多维度分类法评估8个模型,发现模型能力提升会降低易感性,分类法具能力分层性,且发布了相关框架与数据。
2026-08-06 cs.AI
Collective Loss of Control in LLM Agent Systems: An Epidemic Account of Mutation, Contagion, and Recovery
Tencent Zhuque Lab(腾讯朱雀实验室)
本文提出流行病学框架解释LLM多智能体系统集体失控,通过突变、传染与恢复机制,并基于审计和基准实验验证隐式通信路径加剧风险,建议加强防御与通信管控。
2026-09-17 cs.AI cs.CR
Evaluating the Susceptibility of Pre-Trained Language Models via Handcrafted Adversarial Examples
Tufts University(塔夫茨大学);Preamble(Preamble公司)
大语言模型开发的最新进展使公众可以访问最先进的预训练语言模型(PLM),包括生成预训练Transformer 3(GPT-3)和来自Transformers的双向编码器表示(BERT)。然而,在实践中,对PLM的评估表明,在开发的训练和微调阶段,它们容易受到对抗攻击的影响。此类攻击可能导致错误输出、模型生成的仇恨言论以及用户敏感信息的暴露。虽然现有的研究集中在对抗攻击在培训或微调的PLM,有一个赤字的信息之间的攻击这两个发展阶段。在这项工作中,我们强调了一个主要的安全漏洞,在公共发布的GPT-3,并进一步调查这个漏洞在其他国家的最先进的PLM。我们将工作限制在未经微调的预训练模型上。此外,我们强调令牌距离最小化扰动作为一种有效的对抗方法,绕过监督和无监督的质量测量。按照这种方法,我们观察到在评估语义相似性时,文本分类质量显着下降。
2022-09-05 cs.CL
Safer or Luckier? LLMs as Safety Evaluators Are Not Robust to Artifacts
Cohere
本研究评估11个LLM评判模型在安全评估中的鲁棒性,发现输入伪影(如道歉措辞)可致偏好偏差达98%,且大模型不更鲁棒;陪审团聚合虽改善鲁棒性和人类一致性,但伪影敏感性仍存。
2025-07-09 cs.AI cs.CL
What About the Scene with the Hitler Reference? HAUNT: A Framework to Probe LLMs' Self-consistency Via Adversarial Nudge
Rochester Institute of Technology(罗切斯特技术学院);Georgia Institute of Technology(佐治亚理工学院)
针对大语言模型的幻觉问题,本文提出HAUNT框架,通过三步对抗性诱导测试模型自一致性,评估显示不同模型韧性差异显著,为高风险场景LLM应用的事实保真度提供警示。
2025-10-31 cs.AI cs.CL cs.CY
Bias Beware: The Impact of Cognitive Biases on LLM-Driven Product Recommendations
National Technical University of Athens(国家技术大学雅典);Instituto de Telecomunicações(电信研究所)
本研究首次将认知偏差作为黑盒对抗策略,探究其对LLM驱动的产品推荐的影响,发现不同认知偏差对推荐效果的影响存在差异,且认知偏差已深度嵌入先进LLMs,给推荐系统的安全防护带来挑战。
2025-10-22 cs.CL
RAG-based Architectures for Drug Side Effect Retrieval in LLMs
Kwaai;University of Pittsburgh(匹兹堡大学);Broad Institute of MIT and Harvard(麻省理工学院与哈佛大学博德研究所);Universidad Nacional de Asunción(亚松森国立大学)
针对大语言模型在药物警戒领域缺乏专业知识且易产生幻觉的问题,本文提出RAG和GraphRAG两种架构,将药物副作用知识集成到Llama 3 8B模型中,在19,520条关联数据上验证GraphRAG实现近乎完美的副作用检索准确率。
2025-07-18 cs.AI cs.CL cs.IR
Hacking Back the AI-Hacker: Prompt Injection as a Defense Against LLM-driven Cyberattacks
George Mason University(乔治梅森大学)
本文提出防御框架Mantis,通过向系统响应植入对抗性输入并利用动态提示注入,诱导攻击者的LLM破坏自身操作或攻陷其机器,实现对LLM驱动自动化网络攻击的反击,实验有效率达95%以上。
2024-11-18 cs.AI cs.CR
Robustness of LLM-enabled vehicle trajectory prediction under data security threats
Southwest Jiaotong University(西南交通大学);McGill University(麦吉尔大学)
本研究针对基于大语言模型(LLM)的车辆轨迹预测模型在数据安全威胁下的鲁棒性空白,提出单特征差分进化攻击并开展系统性脆弱性分析,揭示其易受对抗操纵的特性,为相关系统的鲁棒性设计提供了首个关键见解。
2025-11-14 cs.AI cs.CR cs.LG
Low-Agreeableness Persona Conditioning for Safe LLM Fine-Tuning
Hong Kong University of Science and Technology(香港科技大学)
针对温暖微调降低大语言模型安全性的问题,提出基于低宜人性人格的改写流水线,在保持对话温暖的同时降低越狱成功率与有害输出率。
2026-06-29 cs.AI cs.CL
Retracing the Past: LLMs Emit Training Data When They Get Lost
Virginia Tech(弗吉尼亚理工大学);Cisco Research(思科研究)
本文提出混淆诱导攻击(CIA)框架,通过利用token级预测熵飙升现象并配合错配监督微调(SFT),在无需训练数据先验知识的情况下更有效地从对齐和未对齐大语言模型中提取记忆数据,揭示了持续存在的记忆风险。
2025-10-27 cs.AI cs.CL
AgentLAB: Benchmarking LLM Agents against Long-Horizon Attacks
Department of Computer Science, Stony Brook University, Stony Brook, USA(计算机科学系,石溪大学,石溪,美国)
AgentLAB是一个专门评估LLM代理对长周期攻击易感性的基准,通过五种新型攻击类型和28个现实环境测试,揭示了LLM代理在长周期攻击中的脆弱性。
2026-02-18 cs.AI
Understanding Knowledge Drift in LLMs through Misinformation
Technical University of Munich(慕尼黑工业大学)
本研究聚焦大语言模型接触错误信息引发的知识漂移问题,通过熵、困惑度等指标评估发现,错误信息会先提升模型答错时的不确定性,反复接触则会降低不确定性并扭曲知识,为提升模型可靠性提供参考。
2024-09-11 cs.CL cs.LG
Unable to Forget: Proactive Interference Reveals Working Memory Limits in LLMs Beyond Context Length
本研究改编认知科学的前摄干扰范式提出PI-LLM评估,发现大语言模型检索准确率会随干扰累积对数线性降至零,存在超出上下文访问的工作记忆瓶颈,提示需增强模型检索时抑制无关内容的能力。
2025-07-31 cs.AI cs.CL q-bio.NC
Challenging the Evaluator: LLM Sycophancy Under User Rebuttal
Johns Hopkins University(约翰霍普金斯大学)
本文研究LLMs在对话反驳中表现谄媚与在同时评估冲突论点时表现良好之间的张力,通过实验揭示对话框架、详细推理和随意反馈会增加模型被说服的风险,警示在判断任务中需考虑对话框架。
2025-09-20 cs.CL
Vulnerability of LLMs' Stated Beliefs? LLMs Belief Resistance Check Through Strategic Persuasive Conversation Interventions
Indiana University Bloomington(印第安纳大学布卢明顿分校)
研究通过战略性说服对话干预评估LLMs在不同领域中的信念稳定性,发现小模型易受说服影响,而自信提示反而加剧了脆弱性,揭示了模型依赖性的鲁棒性限制。
2026-10-06 cs.AI cs.CL
"I understand your perspective": LLM Persuasion through the Lens of Communicative Action Theory
Institute for Natural Language Processing, University of Stuttgart(斯图加特大学自然语言处理研究所);Interchange Forum for Reflecting on Intelligent Systems, University of Stuttgart(斯图加特大学智能系统反思交流论坛)
本研究基于哈贝马斯的交往行动理论,通过模拟Reddit讨论,发现LLM能有效传达言外之意(如建立信任),其谄媚策略与观点改变强相关,且人类更偏好LLM生成的论证。
2026-07-22 cs.AI cs.CL cs.CY
When Reject Turns into Accept: Quantifying the Vulnerability of LLM-Based Scientific Reviewers to Indirect Prompt Injection
BITS Pilani;KIIT University(KIIT大学)
本研究量化了基于LLM的科学评审系统对间接提示注入攻击的脆弱性,揭示了通过隐藏文本注入和布局感知攻击翻转评审决定的风险,并提出WAVS指标评估此类攻击的严重性。
2026-01-06 cs.AI cs.CL cs.CR
How Does Cognitive Bias Affect Large Language Models? A Case Study on the Anchoring Effect in Price Negotiation Simulations
Kyoto University(京都大学)
本文研究了LLM在价格谈判模拟中的锚定效应,发现LLM像人类一样易受影响,推理模型通过长思维链可缓解该效应,而个性特征无显著相关性,有助于推动LLM安全应用。
2025-09-17 cs.CL
Metacognitive Myopia in Large Language Models
Psychology Department, University of Tübingen(图宾根大学心理学系)
提出元认知近视框架解释LLM偏见,认为信息环境中的有偏样本导致五种症状,并通过监控与控制机制近似技术缓解。
2026-06-16 cs.AI cs.CL cs.CY
Measure, Don't Optimize: Forecasting Recovery in LLM Unlearning
AMAP, Alibaba Group(阿里巴巴集团 AMAP)
该研究提出推理时审计方法J-Access,对398个采用8种遗忘方法的公开模型审计后发现,J-Access可评估模型残留知识恢复易感性,直接最小化J-Access无法促进真正删除,内部审计不应随意转为优化目标。
2026-08-13 cs.CL
Influence of External Information on Large Language Models Mirrors Social Cognitive Patterns
University of Chinese Academy of Sciences(中国科学院大学);Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所)
本研究从社会认知视角探讨外部信息对LLMs认知与行为的影响,通过三项实验发现外部信息能显著塑造LLMs的记忆、观点和决策,并映射出权威偏见等人类社会认知模式,强调了开发安全无偏LLMs的挑战。
2023-10-20 cs.CL