arXiv · NLP· Caixin Kang, Sitong Gong, Tianyu Yan, Kaipeng Zhang, Yoichi Sato, Yifei Huang·· 4 小时前AI 评分23
ZhenhuanBench：基准测试与训练 LLM 识别“口蜜腹剑”式隐性攻击
Honeyed Words, Hidden Daggers: Benchmarking and Training LLMs to See Through Mock Politeness
AI 导读
summary_zh: arXiv 论文提出 ZhenhuanBench 基准，包含 1,592 项任务，测试 34 个 LLM。 GPT-6 Astra 总分领先，达 73.48%，但听众反应分仅 58.37%；CPR-GRPO 训练策略在多个任务上优于 SFT 和 GRPO。
来源：arXiv · NLP · arxiv.org