热点事件持续更新
研究提出量化LLM操纵性行为影响的计算框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月21日，arXiv发布的一项研究提出了一个衡量大语言模型（LLM）操纵性输出所致行为脆弱性的计算框架。该研究基于DarkPatterns-LLM基准，并利用Manipulation Gradient Descent（MGD）技术生成针对权威、紧迫性和从众偏见的操纵性刺激。同时，研究还结合了MSIAN和THPM模型，以此评估操纵行为在跨用户间的影响以及在时间维度上的持续性。
AI 根据报道生成 · 1 小时前更新
最新进展10月21日 12:00
研究人员提出基于MGD等模型的计算框架，用于量化LLM操纵性输出的影响。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv 人工智能当大语言模型进行操纵：衡量行为、社交与时间层面的影响
研究人员提出了一个衡量大语言模型（LLM）操纵性输出所致行为脆弱性的计算框架。该研究基于 DarkPatterns-LLM 基准并利用 Manipulation Gradient Descent（MGD）生成针对权威、紧迫性和从众偏见的操纵性刺激，同时结合 MSIAN 和 THPM 模型评估跨用户影响与时间持续性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。