待验证50% 置信解决方案精确时间

PsyAgentBench 采用多维度因子交叉设计，包括命名vs盲测、标准版vs反事实版、人格操纵，以对抗训练数据污染

1

来源数

50%

置信度

长期有效

时效性

2026/9/22

首次发现

来源

LLM真有认知偏差吗？PsyAgentBench揭示三种伪装路径

涉及实体

PsyAgentBenchproduct 训练数据污染concept

相关事实

待验证训练/服务偏差可细分为数据偏差、特征转换偏差和算法偏差三种类型66% 相似待验证手工取极值样本会引入离群点，使支持向量数量激增，迫使SVM构建更复杂的决策边界并延长训练时间64% 相似待验证对抗式多智能体验证擅长发现可锚定的事实性偏差（如行号、时间戳、哈希值），但对子智能体共享训练偏差时的逻辑推理系统性偏见效果有限64% 相似待验证SFT（监督微调）训练的模型存在'模仿天花板'，其表现上限受限于标注数据的质量和多样性64% 相似待验证Google的Population Based Training（PBT）借鉴了进化和群体智能思想，在训练过程中动态调整超参数63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/939986

API

curl https://kongchang.com/api/v1/knowledge/claims/939986

MCP

get_claim(id=939986)