研究揭示大模型否定句处理失败机制
原文标题：How Do LLMs Change Predictions Under Negation?
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究构建否定基准测试开源与闭源 LLM，发现 37%–71% 的情况下模型在否定问句下仍重复原答案。机制分析显示特定注意力头与 MLP 神经元通过抑制原答案检索、提升候选答案来实现否定，与人类处理方式不同，这正是失败根源。作者提出新的训练目标，在减少否定错误的同时对通用能力损害更小。
- 问题
- 大模型处理否定句不可靠，被否定提问时仍重复原答案。
- 方法
- 构建否定基准并做机制分析，发现特定注意力头与MLP神经元通过抑制原答案、提升候选答案实现否定，据此提出新训练目标。
- 结果
- 37%–71%的情况下模型在否定问句下重复原答案；新训练目标减少否定错误且对通用能力损害更小。
- 影响
- 为需要精确否定/排除逻辑的检索问答、合规过滤等场景提供可解释的改进方向。
深读 · 结论先行AI 生成展开看要点与影响 ↓
LLM在37%-71%的否定问句下重复原答案，机制是抑制原答案而非用它排除。
- •构建否定基准测试开源与闭源LLM，37%-71%情况下模型在否定问句下仍重复原答案
- •例如对「什么不是西班牙首都」仍答「Madrid」
- •机制分析显示特定注意力头与MLP神经元联合实现否定：抑制原答案检索、提升候选答案
- •这与人类处理方式不同——人类用原答案信息判断应排除什么，该差异正是失败根源
- •作者提出新训练目标，要求对更自信的原预测产生更大答案偏好偏移，减少否定错误且对通用能力损害更小
为什么重要：否定是高频语言现象，该工作把失败从「现象」追到「机制」并给出训练层面的修法，对模型可靠性与安全对齐有参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。