热点事件观察中

用户自适应如何影响交互式LLM评测

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Hannah Li 提交的论文研究交互式 LLM 评测中的用户自适应与提示内生性问题：用户会根据模型回复调整提示词策略和任务难度，使模型回复反过来影响后续评估所用的提示词集合。作者区分共同分布效应与诱导分布效应两类估计量，并证明离线基准评测与线上 A/B 测试分别收敛于这两类效应，因此可能导致模型排名反转和部署建议分歧；论文给出了排名保证一致的充分条件。研究还指出，用户适应性会增大估计方差，并构成 reward hacking、新奇效应等常见评估难题的共同机制。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00

当双方都在适应：评估交互式 LLM 系统的挑战

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
当双方都在适应：评估交互式 LLM 系统的挑战
研究指出，交互式 LLM 系统中用户会根据模型回复调整提示词策略与任务难度，使模型回复反过来影响后续评估所用的提示词集合。作者区分了共同分布效应与诱导分布效应两类估计量，证明离线基准评测与线上 A/B 测试分别收敛于这两类效应，可能导致模型排名反转与部署建议分歧，并给出了排名保证一致的充分条件。用户适应性还会增大估计方差，并构成 reward hacking、新奇效应等常见评估难题的共同机制。

本事件热度走势

可比范围当前: 5
可比范围峰值: 711月15日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。