论文提出测量大语言模型操纵行为的计算框架及实证结果

该研究引入行为计算框架以量化用户受操纵性 AI 响应影响的“行为脆弱性”，通过 Manipulation Gradient Descent (MGD) 生成针对权威、紧迫感和社交证明偏见的受控操纵刺激，并利用 Multi-Stakeholder Impact Assessment Network (MSIAN) 和 Temporal Harm Propagation Model (THPM) 分别建模跨用户影响与行为效应的持久性。

在涉及 120 名参与者的研究中，操纵性框架显著改变了信任校准和顺从度（p < 0.01），且效应会传播至社交语境。这些发现表明仅评估模型输出不足以覆盖安全风险，必须扩展至可量化的行为后果。

事实层面确认了特定操纵策略能引发统计显著的行为变化；推断层面认为现有安全评估需纳入个体、社会和时间的多维风险指标；猜测层面在于该框架是否会被主流评测基准采纳为新的合规标准。