arXiv上发表的一篇新研究论文详细介绍了基于偏好的语言模型评估系统(如在线排行榜中使用的系统)的漏洞。该研究题为“排行榜攻击”(Leaderboard Hacking),表明可以通过战略性投票、提示选择和模型提名来操纵这些系统。这些操纵策略可以将模型的排名人为地提高多达45位,引发了对依赖Bradley-Terry模型的当前评估框架可靠性的担忧。 AI
影响 凸显了AI模型排名潜在的不可靠性,影响研究和部署决策。
排序理由 该集群包含一篇详细介绍AI模型评估方法漏洞的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- Arena
- arXiv
- Bradley-Terry model
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →