论文研究 arXiv cs.CL Thu, 06 Aug 2026 正文 thin 4 words

通过语义等价对抗攻击诱发 LLM 的内在幻觉

英文标题：Eliciting Intrinsic Hallucinations in LLMs via Semantically Equivalent Adversarial Attacks

该论文研究如何利用语义等价的对抗攻击，诱发大语言模型（LLM）产生内在幻觉。研究背景指出，LLM 常结合检索增强生成（RAG）等外部知识来源，以提升事实准确性并减少幻觉，但此类系统仍可能存在脆弱性。该工作对开发者和行业的意义在于，评估 LLM 的可靠性不能仅关注外部知识检索能力，还需要检验模型面对语义不变改写时的鲁棒性。

打开原文相关 3.2 · 机会 1