研究揭示 LLM 评判模型受请求呈现方式影响的对抗漏洞
原文标题：Adversarial Cues in Decision Models Used as Judges: The Role of Request Presentation
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。
研究发现，在结构化评判请求中仅添加一个冒号即可使答案评判模型产生误判，且漏洞程度随请求呈现方式显著变化。在 DROP 与 GSM8K 的 200 个源簇上，Jev 的误接受率从 1.0% 升至 26.0%。GPT-6 Sol 未观察到该条件下的误接受。
- 问题
- 答案评判模型会被结构化请求的呈现方式（如多加一个冒号）诱导误判。
- 方法
- 在 DROP/GSM8K 源簇上做配对干预，区分候选答案改动与请求呈现方式的影响。
- 结果
- Jev 误接受率从 1.0% 升至 26.0%（三标签）、3.0% 升至 26.5%（四标签）；GPT-6 Sol 未观察到该误接受。
- 影响
- 用 LLM 做自动评分或裁判时，提示格式本身即攻击面，需固定并审计评判请求模板。
深读 · 结论先行AI 生成展开看要点与影响 ↓
评判请求加一个冒号，Jev误接受率从1.0%飙至26.0%，GPT-6 Sol未见该现象
- •在结构化评判请求中仅添加一个冒号，即可使答案评判模型产生误判
- •DROP与GSM8K的200个源簇上，Jev误接受率从1.0%升至26.0%（三标签）
- •四标签评分指令下误接受率从3.0%升至26.5%，排序JSON键时同样成立
- •插入式呈现下两种候选变体均被拒绝，说明漏洞随请求呈现方式变化
- •多数超额接受出现在数值误差更大的候选上；GPT-6 Sol未观察到该条件下的误接受
为什么重要：用LLM做答案评判的流水线可能被格式细节系统性操纵，评测与RL奖励设计需把呈现方式纳入鲁棒性检查。
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。