论文伴读 · v1.0
拒答分数排对了,为什么仍会判错?
在 150 对匹配样本上,Qwen 有 148 对排对了顺序。换用其他配对学出的阈值后,只有 132 对的两个成员都判对了。PAIRSAFE 用逐例分数解释这 16 对的差距,并另行核对模型实际生成的回答。
生成检查只覆盖 Qwen,采用归档的规则标签。发布包可从逐例分数复算主表,并标出了定稿嵌套元数据审计的转录来源。
论文伴读 · v1.0
在 150 对匹配样本上,Qwen 有 148 对排对了顺序。换用其他配对学出的阈值后,只有 132 对的两个成员都判对了。PAIRSAFE 用逐例分数解释这 16 对的差距,并另行核对模型实际生成的回答。
PAIRSAFE: Proxy-Resistant Paired Safety Evaluation for Refusal Boundaries
引用信息