最新研究发现，在数学问题中插入诸如'有趣的事实：猫一生大部分时间在睡觉'等无关短语，会导致大语言模型的错误应答率较基准水平飙升300%。这种与查询无关的对抗性触发现象具有跨模型规模的迁移性，且蒸馏版模型表现出更高的脆弱性。攻击还引发显著计算开销，42%的响应超出正常token长度的1.5倍。该研究揭示了当前推理模型对语义干扰的敏感性，对AI安全部署提出新挑战。论文通过系统实验证明，模型在逻辑推理过程中容易受到表面语义特征的误导，这种现象在医疗诊断、金融分析等严肃应用场景可能造成严重后果。研究者建议未来模型需增强对核心问题的聚焦能力，并开发针对性的防御算法。