论文提出干预迁移法评估LLM评分准则
Get the story
2026年10月9日，arXiv机器学习理论栏目发布论文（一手），提出干预迁移（IT）方法，用于评估大语言模型生成的评分准则：若两条准则在响应被扰动为通过或失败其中一条时同步变化，则判定二者相似。论文以HealthBench为案例，用Qwen3.8-27B、Deepseek-V4-Flash与Opus-5生成的准则评估GPT-5.6-Terra的响应。结果显示，降低响应质量的扰动可迁移到另一准则的更低分，但提升扰动不能可靠迁移到更高分，呈现不对称性。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning Theory用干预迁移评估评分准则生成
论文提出干预迁移（IT）方法评估 LLM 生成的评分准则：若两条准则在响应被扰动为通过/失败其中一条时同步变化，则二者相似。在 HealthBench 案例中，Qwen3.8-27B、Deepseek-V4-Flash 与 Opus-5 生成的准则用于评估 GPT-5.6-Terra 的响应；降低响应的扰动可迁移到另一准则的更低分，但提升扰动不能可靠迁移到更高分，呈现不对称性。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.