事件历史事件
PDRA：用悖论叙事引导LLM多步推理走向有害输出
先了解这件事
AI 综述
2026年10月12日发布的arXiv论文提出PDRA（Paradox-driven Reasoning-based Attack），用悖论叙事把恶意行为者与良性任务配对，引导LLM在保持叙事连贯的同时生成长篇有害内容。该方法将叙事核心嵌入强制三段式分析框架，依次经过表面目的、潜在意图与操作重建，程序化塑造有害推理轨迹。作者称PDRA使模型内部表示偏离拒答相关模式，抑制安全触发词汇并激活规划类词汇，并在多款LLM上取得最高攻击效果。
AI 根据报道生成 · 29 天前更新
走势与进展
每小时关注度
现在 29，24 小时 0%·峰值 29（11月6日 03:00）
11月7日11月8日11月9日11月10日11月11日现在 29
相关研究
这件事的论文
- LLM 推理中的叙事悖论：将推理轨迹引向失准
NeurIPS 2026 · 2026-10-12 · 深度解读
后续时间线
10月12日
- arXiv：越狱、提示注入、投毒与防御LLM 推理中的叙事悖论：将推理轨迹引向失准
研究者提出 PDRA（Paradox-driven Reasoning-based Attack），用悖论叙事把恶意行为者与良性任务配对，引导 LLM 在保持叙事连贯的同时生成长篇有害内容。该方法把叙事核心嵌入一个强制三段式分析框架，依次经过表面目的、潜在意图与操作重建，从而程序化地塑造有害推理轨迹。机制上，作者称 PDRA 使模型内部表示偏离拒答相关模式，抑制安全触发词汇并激活规划类词汇。作者称 PDRA 在多款 LLM 上取得最高攻击成功率，且效率较高。论文摘要提示内容可能敏感。