跳到主要内容
检索

# When2Call基准

1 篇关联报道

订阅更新
  1. arXiv

    SAKIKO 审计七个大模型的工具调用干预:行为改变不等于修复,仅 Qwen3-8B 获正式认证

    该工作提出 SAKIKO 审计框架,把工具调用前的内部激活干预拆成方向性错误发现、路由器条件干预、目的地解析验证与预注册统计许可四个环节,在 When2Call 与 MetaTool 上测试七个大模型,发现五个模型出现方向特异性净增益,但目的地审计显示行为移动不等于修复——一个净增益 +55 的干预破坏了其触及的过半基线正确决策,Qwen3-4B 与 Gemma-2-9B 因有限样本不确定性被正式拒绝,仅 Qwen3-8B 通过全部十项条件获得 ADMIT。

已读完全部报道