跳到正文
arXiv · AI· Volodymyr Ovcharov·· 17 天前AI 评分20

法律选择题基准中仅选项可解性的门控机制与模型偏差分析

Gated Against One Model, Open to the Next: Option-Only Solvability in Legal Multiple-Choice Benchmarks

AI 导读

UA-JudgeExam基准显示Claude Haiku 4.5在无题干时盲猜得分0.383,远高于随机水平。剔除泄露项后GPT-5.6在隐藏题干时仍得0.515,但过滤信号不具通用性。

来源:arXiv · AI · arxiv.org