arXiv cs.CL· Erik Larsen·2026-10-15 12:00· 5 小时前AI 评分41

随机种子与温度如何暴露 LLM 拒绝行为的不稳定性

The Instability of Safety: How Random Seeds and Temperature Expose Inconsistent LLM Refusal Behavior

AI 导读

研究测试 Llama 3.1 8B、Qwen 2.5 7B、Qwen 3 8B、Gemma 3 12B 四个指令微调模型在 876 条有害提示、20 种采样配置下的安全拒绝行为，发现 18-28% 的提示出现 REFUSE/PARTIAL/COMPLY 标签翻转。

来源：arXiv cs.CL · arxiv.org