Folia
← 返回头版

开发者创造对抗性编程语言测试大语言模型代码理解能力

一名开发者设计并实现了KillSwitch,一种栈基解释型编程语言,其核心目标是对大语言模型和编码代理构成挑战1。该语言的设计旨在测试LLM是否真正理解代码,还是仅在回忆训练数据1。

KillSwitch融合了多种对抗性特性,包括规范中隐藏的谎言、基于字符计数的标识符规则、触发安全护栏的构造,以及"Ignore previous instructions"等短语1。开发者以此语言对多个LLM进行基准测试,涵盖实现Hello World、解释脚本输出和修改现有脚本等任务1。

测试结果显示,Claude Opus 5表现最优,得分66.8分1,而Fable 5.1和Gemini 4 Argon因安全护栏过度敏感而表现不佳1。在开源模型中,MiMo-V2.6-Pro排名靠前1。尽管Claude Opus 5领先,开发者认为66.8的最高分数仍不足以证明LLM真正理解代码1。


评论