arXiv · AI· Haoxiang Wang, Da Yu, Huishuai Zhang·· 2026-10-09AI 评分33
超越固定基准与最坏情况攻击:大语言模型的动态边界评估
Beyond Fixed Benchmarks and Worst-Case Attacks: Dynamic Boundary Evaluation for Language Models
AI 导读
针对固定基准的天花板效应,提出动态边界评估(DBE)方法。 DBE 基于 9 个参考 LLM 构建校准题库,并使用 Skill-Guided Boundary Search (SGBS) 算法定位模型边界。 该方法能在统一难度量表上扩展评估范围,避免评测饱和且兼容现有数据集。
来源:arXiv · AI · arxiv.org