arXiv · cs.AI · Haoming Yang, Ke Ma, Yangbangyan Jiang, Ligong Zhang, Xiaojun Jia, Longtao Huang, Yingfei Sun, Qianqian Xu, Qingming Huang · 5 小时前模型评分39
研究揭示大语言模型推理中的叙事悖论：PDRA 攻击可将推理轨迹引向有害方向
Narrative Paradoxes in LLM Inference: Shaping Reasoning Trajectories toward Misalignment
导读
研究者提出 PDRA（Paradox-driven Reasoning-based Attack）攻击方法，通过把恶意行为者与良性任务组合成悖论式叙事核心，再嵌入强制三阶段分析框架，为大语言模型（LLM，Large Language Model）编写有害推理轨迹。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To explore this vulnerability, we propose PDRA (Paradox-driven Reasoning-based Attack), a novel attack method that programs a harmful reasoning trajectory.”
来源：arXiv · cs.AI · arxiv.org