arXiv · NLP· Anish Laddha, Nitesh Pradhan, Gaurav Srivastava·· 3 小时前AI 评分26
LLM 智能体指令冲突受控研究：WhoWins 基准与 Qwen、gpt-oss 表现分析
Position, Role or Label? A Controlled Study of Instruction Conflicts in LLM Agents
AI 导读
研究提出 WhoWins 基准（1,080 个场景）和 7 项实验，分析 14 个开源模型（0.6B-122B）在 1,887,356 条回复中的指令冲突处理。 单条消息内，首个冲突指令胜出率为 72.42% 至 94.66%；跨消息则仅为 22.95% 至 62.65%。Qwen 模型中系统消息先发政策多败，gpt-oss 则在行动中胜出。仅 2.92% 的冲突回复被标记。
来源：arXiv · NLP · arxiv.org