Qwen3.6 27B 的评测意识受评分方式影响

Qwen3.6 27B 在安全与能力评测中表现出不同评测意识，其分化主要取决于评分方式是 LLM judge 还是自动化检查器。 研究假设评测意识即训练意识，将探针改写为关于训练内容后，其提示词评分与原始探针几乎一致。 该发现揭示了评分机制对模型行为的影响，为理解评测可靠性提供新视角。