Un gruppo guidato da Zhankai Ye ha presentato un benchmark, chiamato GUISE, che verifica se i grandi modelli linguistici (LLM) rifiutano richieste dannose quando sono nascoste in un gioco di ruolo o in una storia. In inglese, Qwen3‑1.7B ha risposto all’89.4% di questi prompt; in cinese moderno la percentuale è stata del 93.0%, mentre in cinese classico è salita al 95.7%. Gli autori hanno inoltre introdotto AXIS, un metodo di difesa che combina l’ottimizzazione delle preferenze con due nuovi obiettivi di addestramento. Nei test su tre modelli – Qwen3‑1.7B, Qwen3‑4B e GLM‑4‑9B – AXIS ha ottenuto il miglior equilibrio tra sicurezza e usabilità.
Perché conta
Se gli LLM vengono usati in chatbot o assistenti, i trucchi narrativi possono ancora indurli a fornire consigli dannosi: servono quindi difese migliori, come AXIS.
