Syntactic Framing Fragility: An Audit of Robustness in LLM Ethical Decisions

大语言模型表现出系统性的否定敏感性，然而在部署规模上，尤其是在高风险决策中，尚无操作框架来衡量这一脆弱性。我们引入了句法框架脆弱性（SFF），一个用于量化在逻辑等价的句法转换下决策一致性的框架。SFF 通过逻辑极性归一化隔离句法效应，从而能够在控制极性反转的同时，直接比较肯定和否定框架下的决策，并提供句法变异指数（SVI）作为适用于 CI/CD 集成的鲁棒性度量指标。通过对 23 个模型在 14 个高风险场景（39,975 个决策）中进行审计，我们为先前仅被定性描述的现象确立了真实效应量，并发现开源模型表现出的脆弱性是商业模型的 2.2 倍。包含否定的句法是主要的失败模式，某些模型即使在询问智能体是否不行动时，其认可行动的比例也高达 80-97%。这些模式与先前工作中记录的否定抑制失败一致，思维链推理在某些情况下降低了脆弱性，但并非所有情况。我们提供了按场景分层的风险画像，并提供了一个符合欧盟 AI 法案和 NIST RMF 要求的操作清单。代码、数据和场景将在发表后发布。