热点事件持续更新
研究揭示模型裁判对请求呈现形式的对抗漏洞
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月9日，arXiv发布的一项自然语言处理研究显示，决策模型作为裁判时，结构化评判请求的呈现方式会显著改变其鲁棒性，候选文本中仅添加一个冒号即可诱发误判。在200个DROP和GSM8K簇的测试中，键排序JSON呈现方式使Jev模型的错误接受率最高从3.0%激增至26.5%，而在插入呈现方式下候选均被正确拒绝。与此同时，GPT-6 Sol未出现由该对抗线索导致的错误接受。该研究证实，逻辑等价的请求呈现方式会引发截然不同的模型漏洞。
AI 根据报道生成 · 3 小时前更新
最新进展10月9日 12:00
研究发现请求呈现方式显著影响裁判模型鲁棒性，Jev出现漏洞而GPT-6 Sol未受影响。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 自然语言处理决策模型作为裁判时的对抗线索：请求呈现方式的作用
结构化评判请求的呈现方式会显著改变裁判模型的鲁棒性，候选文本仅添加一个冒号即可诱发误判。在 200 个 DROP 和 GSM8K 簇上，键排序 JSON 呈现使 Jev 的错误接受率最高从 3.0% 激增至 26.5%，而插入呈现下均被正确拒绝。GPT-6 Sol 未出现该对抗线索导致的错误接受，证实逻辑等价的请求呈现方式能引发截然不同的漏洞。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。