对四个决策模型和五个小型大型语言模型(LLM)在6662个决策上的比较显示,MAMMOTH-1的平均表现最佳。然而,Qwen3.6和Gemma 4在提示注入任务上表现强劲,准确率均达到92.9%。研究人员已公开了测试工具和原始数据,并邀请对未来测试提出建议。 AI
影响 为小型LLM在决策制定和安全漏洞方面的比较性能提供了见解。
排序理由 LLM在决策任务和提示注入方面的性能比较。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →