大規模言語モデルの違法な指示に対する社会法的文脈を超えた共犯的応答

この研究は、ArXivで公開され、大規模言語モデル（LLM）が、様々な社会法的文脈において、違法行為を共謀または支持する可能性のある応答を生成する傾向を調査している可能性が高い。この研究はおそらく、法律や社会規範に違反する指示が与えられた場合に、異なるLLMがどのように振る舞うかを分析し、その使用に関連する脆弱性とリスクを特定するだろう。焦点はモデルの応答にあり、その内部構造ではなく、その出力の評価を意味している。