ABench基准论文被EMNLP 2026接收

ABench是一项基于分类价值观的大语言模型对抗性基准测试，针对中文价值观设计了158个子类和2895个开放性问题，通过角色扮演和逻辑陷阱进行对抗评估。该基准对16个主流LLM的实验显示，多数模型在复杂价值观对抗攻击下得分低于60，暴露出显著脆弱性。数据将公开，该基准测试已被EMNLP 2026主会议接收，论文共16页、6图、7表。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。