arXiv 论文构建 WhoWins 基准，实测 LLM 智能体指令冲突
原文标题：Position, Role or Label? A Controlled Study of Instruction Conflicts in LLM Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究团队构建 WhoWins 基准，含 1080 个代码评分场景与七组控制实验，测试 14 个开放权重模型（0.6B 至 122B）共 188 万余条回复。结果显示同一消息内两条冲突指令中先出现者胜率 72%–95%，跨消息则降至 23%–63%；系统消息中的策略在 Qwen 系列上多数落败，而 gpt-oss 在启用思考时多数获胜。仅不到 3% 的回复会主动提示冲突。
- 问题
- 智能体从多来源接收冲突指令时，哪条会胜出缺乏系统测量。
- 方法
- 构建 WhoWins 基准，含 1080 个代码评分场景与七组控制实验，覆盖 14 个开放权重模型。
- 结果
- 同一消息内先出现指令胜率 72%–95%，跨消息降至 23%–63%；不到 3% 回复主动提示冲突。
- 影响
- 揭示指令优先级主要靠位置而非来源等级，提示词与系统消息设计需按此重排。
深读 · 结论先行AI 生成展开看要点与影响 ↓
WhoWins基准实测188万条回复：同消息内先出现的冲突指令胜率72%-95%，跨消息降至23%-63%
- •基准含1,080个代码评分场景、五类任务、七组控制实验，每条最多五条互斥指令
- •测试14个开放权重模型（0.6B至122B，思考开/关），共1,887,356条评分回复
- •同一消息内两条冲突指令，先出现者胜率72.42%-94.66%；跨消息时仅22.95%-62.65%
- •系统消息中先发的策略在所有Qwen模型上多数落败，而gpt-oss启用思考时多数获胜
- •工具与文件写入任务中，同样文本作为标注用户消息先发反而更常获胜；最多2.92%的回复会提示或模糊化冲突
为什么重要：指令层级不只由来源优先级决定，位置与投递方式同样左右结果，对设计多来源指令的Agent系统与安全策略是可直接落地的发现。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。