Broken Symmetry in LLM Refusal: Answer Release Is More Local Than Refusal Restoration
تكشف هذه الورقة عن "تناظر مكسور" في حالات رفض النماذج اللغوية الكبيرة، حيث تُظهر أنه بينما تظل الإجابات الصحيحة قابلة للاسترداد خطياً من الحالات الخفية ويمكن تحريرها عبر تدخلات محلية للغاية، فإن استعادة الرفض المتماسك تتطلب تدخلات أوسع وغير محلية، مما يشير إلى أن الرفض ليس مجرد مفتاح بسيط قابل للعكس.