知识卡片：LLM对信念表达的反应——说什么不重要，怎么说才重要

英文标题：It's Not What You Say, It's How You Say It: Evaluating LLM Responses to Expressions of Belief

英文关键词：LLM, belief expression, linguistic framing, context integration, prompt engineering

一句话结论：用户表达信念的语言形式（如预设、证据标记、确定性标记、语气）会系统性地影响LLM是否采纳用户的上下文信念而非自身知识，且大模型和指令微调模型比小模型和基座模型更不易跟随上下文。

事件概述或研究问题：用户经常向LLM表达自己对某个事实的信念（beliefs），有时模型应当接受这些上下文信念为真，有时则应该坚持自己的先验知识。然而，用户的“信念表达”（Expression of Belief, EoB）可以采取多种语言学形式（预设、证据/确定性标记、不同语气等），每种形式对LLM的说服力可能不同。该研究旨在系统评估不同EoB如何影响模型在“跟随上下文”与“坚持先验知识”之间的权衡。

方法/产品要点：

• 构建了一个基于语言学动机的信念表达类型学（typology），涵盖四个维度：形式（form）、证据性（evidentiality）、认知立场（epistemic stance）、语气（tone），细分为17种类别。
• 将每种EoB与世界知识事实配对，生成控制变量的EoB‑query对，以隔离语言学变化本身对LLM行为的影响。
• 在16个LLM上评测，涵盖不同架构（Llama3, Qwen3, Gemma3）、规模（1B‑30B参数）和训练阶段（基座 vs. 指令微调）。

主要结果或产业意义：

• 在模型大小、训练阶段等维度上观察到有意义的响应行为差异：更大的模型和指令微调模型倾向于更少地跟随上下文（即更依赖自身先验知识），而小模型和基座模型则更容易被用户表达说服。
• 识别出**某些EoB（具体类型待核实论文正文）**在统计上比其它类型更一致地成功说服LLM。

为什么重要：

• 揭示了语言学框架（linguistic framing）如何系统性地影响LLM的上下文整合能力，对提示工程（prompt engineering）和模型鲁棒性具有直接启示。
• 与已有关于“多智能体辩论中社会结构引发潜在目标”的卡片不同，本工作聚焦于用户单次表达的语言形式本身对模型决策的渗透，而非多智能体社会压力下的内外部表态差异。增量信息：即使在同一轮对话中，仅仅改变“怎么说”就能显著改变行为，且该效应与模型规模、训练阶段有交互。

局限与不确定性：

• 待核实：论文仅基于单轮EoB‑query对，未考虑多轮对话中上下文累积效应。
• 待核实：17种EoB类型是否足以覆盖真实世界用户表达的全部多样性。
• 待核实：实验中的“世界知识事实”均为静态事实，未涉及模型知识边界内的争议性或模糊性知识。

可用于图书/PPT/简报的角度：

• 从“语言即攻击”角度：提示工程中的措辞选择比内容更重要，模型可能被语言包装误导。
• 从模型对齐角度：模型“坚持真理”与“顺从用户”之间的权衡受语言形式调节，需在训练中引入鲁棒性对抗样本。
• 从比较分析角度：展示不同架构/规模/训练阶段的模型在“易受语言影响”上的差异谱系。

原始材料：

• 论文标题：It's Not What You Say, It's How You Say It: Evaluating LLM Responses to Expressions of Belief
• arXiv ID：2607.18232v1
• DOI：10.18653/v1/2026.acl-long.142
• 摘要链接：https://arxiv.org/abs/2607.18232v1
• PDF链接：https://arxiv.org/pdf/2607.18232v1