事件历史事件
研究：进食障碍提问下大模型安全性差异明显
先了解这件事
AI 综述
2026年11月7日发布的一项 arXiv 研究，用来自在线厌食症社区的100个问题评测三个开源权重大语言模型。研究发现，没有用户背景简介时，高风险回答出现的频率约为有简介时的两倍；明确标注进食障碍脆弱性可使安全性提高10–14个百分点。模型安全性在不同模型和伤害维度间差异明显，回答在种族、性别和 BMI 上也有显著差异，其中体型造成的差异最大。作者认为这些模式与模型依赖“进食障碍主要影响瘦削白人女性”的刻板印象一致。
AI 根据报道生成 · 5 天前更新
走势与进展
每小时关注度
现在 35，24 小时 0%·峰值 38（11月12日 09:00）
11月11日11月12日11月13日11月14日11月15日现在 35
相关研究
这件事的论文
- 对谁更安全？系统探究进食障碍互动中的 AI 安全性
arXiv · 2026-11-07 · 深度解读
后续时间线
11月12日
11月7日
- arXiv：对齐、欺骗与监督对谁更安全？系统探究进食障碍互动中的 AI 安全性
研究者用来自在线厌食症社区的 100 个问题评测三个开源权重大语言模型，发现没有用户背景简介时高风险回答的出现频率约为有简介时的两倍。研究采用临床标准扩展的七维进食障碍伤害分类体系进行评分，发现明确标注进食障碍脆弱性可使安全性提高 10–14 个百分点。模型安全性在不同模型和伤害维度间差异明显，回答在种族、性别和 BMI 上也有显著差异，其中体型造成的差异最大。作者认为这些模式与模型依赖“进食障碍主要影响瘦削白人女性”的刻板印象一致。
相关讨论
共1条
- 72 小时以前 · 不计入 72 小时的数字
- 网页NOPE InsightsSafer for Whom? A Systematic Exploration of AI Safety in Eating Disorder Interactions（新标签页打开原帖）
关注度走势
每天新增来源
- 11月10日新增1个来源（1家媒体、0个账号）
- 11月11日新增0个来源（0家媒体、0个账号）
- 11月12日新增1个来源（1家媒体、0个账号）
- 11月13日新增0个来源（0家媒体、0个账号）
- 11月14日新增0个来源（0家媒体、0个账号）
- 11月15日新增0个来源（0家媒体、0个账号）