学习的、滞后的、用 LLM 解释的：LLM 对终端用户安全问题的响应
密码学与安全
2025-10-29 v2 人工智能
计算与语言
人机交互
摘要
回答终端用户安全问题具有挑战性。尽管像 GPT、LLAMA 和 Gemini 等大语言模型（LLM）距离完美还很远，但它们在回答安全领域之外的各种问题方面显示出前景。我们对 3 款流行的 LLM 在 900 个系统性收集的终端用户安全问题上的表现进行了定性评估。尽管 LLM 在终端用户安全信息方面展示出广泛的通用“知识”，但仍存在跨模型的错误和局限模式，包括过时和不准确的答案，以及间接或不回应的沟通方式，这些都影响了收到的信息质量。基于这些模式，我们提出了模型改进的方向，并建议用户在寻求安全方面帮助时与 LLM 交互的策略。
引用
@article{arxiv.2411.14571,
title = {Learned, Lagged, LLM-splained: LLM Responses to End User Security Questions},
author = {Vijay Prakash and Kevin Lee and Arkaprabha Bhattacharya and Danny Yuxing Huang and Jessica Staddon},
journal= {arXiv preprint arXiv:2411.14571},
year = {2025}
}
备注
17 pages, 7 tables