实体 Stepan Epifantsev

Stepan Epifantsev

PulseAugur coverage of Stepan Epifantsev — every cluster mentioning Stepan Epifantsev across labs, papers, and developer communities, ranked by signal.

Show in brief

总计 · 30天

90 天内 1

发布 · 30天

90 天内 0

论文 · 30天

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_348531 · Nov 9 · 05:00

大型语言模型安全基准可能因多选题格式而高估模型安全性

一篇新发表在arXiv上的研究调查了大型语言模型（LLMs）安全基准中的多选题（MCQ）格式为何会导致较低的拒绝率。研究人员Stepan Epifantsev及其同事使用武器级大规模杀伤性武器代理（WMDP）数据集，在Llama-3.1-8B和Qwen3-8B模型上提供了机制证据。他们的发现表明，与开放式格式中逐渐建立的拒绝过程不同，多选题会促使模型快速确定一个答案字母标记。这种多选题格式似乎与拒绝机制竞争，表明多选题安全分数可能主要…

大型语言模型安全基准可能因多选题格式而高估模型安全性