跳到正文
arXiv · AI· Hyojung Han, Ryangkyung Kang, Youngeun Kim, Seung-Hun Jeon·· 10 天前AI 评分34

ChainCheck 审计揭示:接近满分的证据充分性评分掩盖了对构建伪影的敏感性

ChainCheck: Near-Perfect Evidence-Sufficiency Scores Can Conceal Sensitivity to Construction Artifacts -- Paired Conditional Contrasts that Expose an Evaluation Confound

AI 导读

ChainCheck 审计框架通过配对条件对比发现,证据充分性基准中接近完美的评分可能仅反映对文本编辑伪影的敏感性,而非多跳推理能力。

来源:arXiv · AI · arxiv.org