待验证50% 置信事实精确时间
评分器的类坍缩现象在来自第四个家族的7B评分器、新的有害请求以及第三个家族的目标模型上同样出现。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
LLM评分器吞掉合规类：越狱成功率可差22倍
rss2026/10/17
涉及实体
相关事实
待验证在集群面板上用代码替代模型的结构化决策（基于相同提取事实）平均提升20.5个百分点家族准确率，Llama 3.1 8B从模型自判1%提升至代码判决56%64% 相似待验证代码重放会继承提取环节的错误，在集群充分性测试中gpt-oss-120b的通过率反而从56%跌到40%63% 相似待验证公平性指令效果有限：在集群六模型面板上仅使家族准确率变化−0.3个百分点，在Kaggle上为+2.5个百分点，区间均跨越零点62% 相似待验证跨模型家族的评测分析揭示了各KEE技术之间截然不同的效应和权衡——有些技术在恢复失败案例上表现突出但破坏率也高，有些则相对温和但恢复能力有限。62% 相似待验证看每个类别的标签计数可以作为检测评分器类坍缩的零成本诊断方法：若合规类计数异常偏低甚至为零，而相邻类别异常膨胀，则说明评分器可能在坍缩。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074734API
curl https://kongchang.com/api/v1/knowledge/claims/1074734MCP
get_claim(id=1074734)