研究者提出中文价值观对抗基准ABench
热点事件持续更新
研究者提出中文价值观对抗基准ABench
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
研究者提出中文价值观对抗基准 ABench，用于测试大语言模型在角色扮演和逻辑陷阱诱导下能否守住价值立场。该基准由人工构建，覆盖 158 个细分价值子类，共设计 2,895 道开放式问题，并配有加权自动评估框架。 对 16 个主流大语言模型的实验显示，多数模型在复杂价值观对抗攻击下得分低于 60。该基准已被 EMNLP 2026 主会接收，数据将公开释放。
AI 根据报道生成 · 45 分钟前更新
最新进展10月21日 12:00
ABench：面向分类价值观的中文大语言模型对抗性基准报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.CLABench：面向分类价值观的中文大语言模型对抗性基准
研究者提出 ABench，一个针对中文分类价值观的细粒度手工构建基准，基于 158 个细分价值子类设计 2,895 道开放式问题，通过角色扮演和逻辑陷阱探测模型在对抗性诱导下的立场稳定性。对 16 个主流 LLM 的实验显示，多数模型在复杂价值观对抗攻击下得分低于 60。该基准已被 EMNLP 2026 主会接收，数据将公开释放。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。