层次对齐：通过逻辑一致性强化大语言模型的层次化指令遵循

大语言模型常面临来自不同权威源的异构指令冲突。现有研究多关注对抗攻击，忽视了实际应用中常见的良性冲突。本文提出神经符号层次对齐（NSHA）方法，通过显式建模指令优先级来解决该问题。在推理阶段，引入求解器引导的推理，将指令解析构建为约束满足问题，以推导最大一致性指令集；在训练阶段，利用自动构建的监督信号将求解器决策蒸馏至模型参数。实验表明，该方法在规则遵循、任务执行及安全性方面显著提升了冲突场景下的性能。