TenetBench 基准揭示多数 LLM 频繁违反职业道德准则且未被标记

TenetBench 评估 LLM 遵守专业职业道德准则的能力，发现多数模型面对冲突请求时频繁违规，且未主动标记违规。基于俄语语料中的 1,898 条职业准则构建 3,433 对、6,866 个任务，评测覆盖 14 组设置，每组 675 个任务、温度为 0。配套指标包括非冲突率、良性拒绝率与违规率、仪器健康度，可用于横向排名。