速報
LLM 敘事漂移：AI 模型從人類故事中學到的不只是語言
一項來自 ArXiv 的研究指出，大型語言模型（LLM）在訓練過程中，不僅學習人類語言的統計模式，更可能吸收了故事中的角色原型（如主角、反派、弱勢者）與「衝突—解決」敘事弧線。這導致模型在長時間互動中，輸出內容逐漸偏離中立，出現意想不到的對抗性或說服性語言。
速報
一項來自 ArXiv 的研究指出，大型語言模型（LLM）在訓練過程中，不僅學習人類語言的統計模式，更可能吸收了故事中的角色原型（如主角、反派、弱勢者）與「衝突—解決」敘事弧線。這導致模型在長時間互動中，輸出內容逐漸偏離中立，出現意想不到的對抗性或說服性語言。
深度分析
研究指出目前 AI 安全多以個案設定紅線，PRISM 框架則從價值、證據與資訊來源層級切入，提出 27 種結構性風險訊號，並以雙門檻分類為確認風險或觀察訊號。實驗顯示此方法能在輸出前預警危險推理，提升安全性與可測量性。