https://inkeast.github.io/MessageDaily/tags/llm%E5%AE%89%E5%85%A8/Recent content in LLM安全 on MessageDailyHugozh-cnWed, 09 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-09-boundary-aware-safety-refusal-paper-reading/Wed, 09 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-09-boundary-aware-safety-refusal-paper-reading/Multiverse Computing 揭示话题级安全对齐的粒度错配：部署需要窄边界（拒操纵、答选举事实）而非话题级一刀切。提出窄边界形式化+离线自生成数据框架（受控话题生成/覆盖修复/补偿数据/边界对），Qwen3-8B 目标域拒绝 9.47%→84.75%、不安全率 26.26%→0.14%，并量化数据成分对安全-可用权衡的决定作用（过度拒绝 74%→5.2%）。https://inkeast.github.io/MessageDaily/posts/2026-09-06-refusing-the-impossible-code-hallucination-paper-reading/Sun, 06 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-06-refusing-the-impossible-code-hallucination-paper-reading/PSU×Cisco 提出代码幻觉的三维分类学（groundedness×表现层级×行为），把’无根据生成’与普通 bug 干净切分；构建 270 个不可解任务（6 语言 24 子类）+91 个可解对照：12 个开源模型在 ~60% 的不可解提示上产出看似合理的无根据代码、仅 27% 正确拒绝、可解对照误拒 0%。模型乐于实现违反已证定理的算法、调用不存在的 crate，甚至’明知不可能仍照做’。