识别并不等于逆转：一项保持事实不变的新闻框架受控逆向测试

大型语言模型（LLM）正越来越多地用于分析和改写新闻，但当前的框架研究主要评估文本生成、框架检测，或改写后的文本是否显得更加中立。它们并不能直接说明模型是否能够在保持事实不变的同时，消除一种已知的框架转换。我们针对框架的三种既有文本实现形式——评价性词汇、行动者呈现和信息显著性——引入了一项受控逆向测试。在60篇新闻文章和三种干预强度下，该测试生成了540组保留原子事实且记录了编辑内容的成对变体。在Qwen、DeepSeek和Kimi上，事实保留率保持在接近0.84的水平，而干预逆转率仅为0.044--0.068。即使框架类型和方向都被正确识别，合并后的逆转率也只有0.071。这些结果清楚地揭示了事实忠实度、框架识别与框架逆转之间的区别：能够识别一篇文章采用了何种框架，并不意味着能够消除该框架。