arXiv·· 13 天前AI 评分31
可验证计数是否依赖措辞：指令遵循中的措辞鲁棒性审计
When Verifiable Counts Depend on Wording: Auditing Wording Robustness in Instruction Following
AI 导读
研究提出 WISE 匹配评测套件与报告协议，在精确词数、关键词恰好出现一次、8–12 词区间三类约束下检验措辞变化对指令遵循得分的影响。在 100 个匹配任务、来自 7 家厂商的最多 13 个模型上，仅改变措辞就导致合规率出现显著波动。
来源：arXiv · arxiv.org