跳到正文
AGI Hunt· aryaman2020·· 1 小时前AI 评分38

TASTE 安全研究基准审计发现捷径:避开机制解释术语反而更准

TASTE 安全研究基准被审出捷径:避开机制解释术语反而更准

AI 导读

对 TASTE 安全研究基准的审计发现,仅按提案中机制可解释性术语更少来选择,就能超过所有被测 LLM 的准确率。该基准包含 92 对 AI 安全研究提案,机制可解释性主题的提案往往质量更差,提示基准分数可能受表面词汇特征污染。

来源:AGI Hunt · agihunt.info