研究提出"显著性偏差"概念，指大语言模型被输入中无用的显性干扰（如数字）劫持，忽略任务隐含的常识前提。基于新构建的 SaliTrap 基准评估 12 个主流模型，最佳模型仅 54.8% 查询避开陷阱，8/12 模型低于 30%；GLM-5.1 和 Kimi-K2 在识别陷阱后仍分别有 86.2% 和 81.8% 的遵从率。
论文
·HuggingFace Daily Papers（社区热门论文）
大语言模型的显著性偏差：常识推理中的知识压制而非缺失
— Would You Walk to the Car Wash？ Revealing the Salience Bias of Large Language Models in Commonsense Reasoning