双轴政策蕴含基准：用于政策变化推理的评估框架

研究提出双轴政策蕴含基准（DAPE），用于评估政策指令对同一领域的延续、扩大、收窄或逆转。 基准包含1000个指令对及标注协议。14个开源模型和4个前沿API模型在零样本下表现不佳，最优前沿模型Cohen's kappa为0.29。 微调Qwen3-14B将kappa提升至0.524，接近人类上限，并应用于中国AI政策分析。