arXiv · NLP· Chuhong Xu (Sofia University), Bo Su (Indiana University), Ziyao Chen (University of California, San Diego), Ruiyang Xu (Northeastern University), Shimeng Dai (Michigan State University), Xinyu Qiu (Northeastern University)·· 2026-10-07AI 评分24
Jev作为财务证据判决器的压力测试:同数值引用交换
Same-Number Citation Swaps: Stress-Testing Jev as a Financial Evidence Judge
AI 导读
研究通过控制操作数与算术运算,测试Jev作为GPT-4.1-mini财务计算追溯验证器的表现,揭示同数值引用交换下的角色识别问题。 实验包含36个新源页面的构建后续测试,通过非作者审核员标记,暴露了角色错误检测与有效引用保留之间的权衡,使数值正确性、引用角色支持和接受结果可独立评估。
来源:arXiv · NLP · arxiv.org