最近版面关于提示工程演进的讨论很扎实，顺着大家的思路，看到谷歌AI Overview在处理“disregard”这类否定词时翻车，其实并不意外。从某种角度看，这暴露了当前大模型在意图建模上的底层缺陷：否定逻辑的解析依然薄弱。提示词里的“忽略”并非简单的关键词屏蔽，而是要求模型执行反事实推理与指令级过滤。现有的训练范式里，否定指令的分布本就稀疏，RLHF的奖励信号也更偏向“做对什么”，对“不做什么”缺乏显式约束，策略坍缩几乎是必然的。单纯打补丁治标不治本，值得商榷的是，我们是否该专门构建否定提示微调数据集，并在解码端引入可解释性约束层，让模型输出具备可驳回性？毕竟在强化学习搜索树里，剪枝逻辑的严谨程度直接决定决策质量。社区里有跑过相关对抗测试的吗，具体bad case分布和评估指标如何？