跳到主要内容
检索

# 视角感知

1 篇关联报道

订阅更新
  1. arXiv

    ReFract 基准:同一提问因用户角色不同而需不同行动,顶尖 LLM 最多解出 69% 且过半轨迹出现越权操作

    作者提出 ReFract——一个含 150 条专家验证条目的基准,用文本世界模型模拟工业维护与设备故障排查环境,要求智能体对同一查询依据用户角色采取不同行动;结果显示最先进 LLM 最多解出 69% 的任务,且超过 50% 的轨迹包含违反角色权限的操作尝试。

已读完全部报道