热点事件持续更新
Safety Under Scaffolding: How Evaluation Conditions Shape Measured Safety
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
arXiv Computers and Society 论文测试 6 个主流模型在 4 个预注册安全基准上的表现，比较直接 API 与 ReAct、多智能体、map-reduce 三种脚手架。测量方式（选择题 vs 开放题）平均造成 5-20 pp 的安全分数差异，基准选择解释 15.1% 的结果变异，脚手架架构仅解释 0.5%。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
论文指出测量方式与基准选择对安全分数影响远大于脚手架架构。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Computers and Society精选Safety Under Scaffolding: How Evaluation Conditions Shape Measured Safety
论文测试 6 个主流模型在 4 个预注册安全基准上的表现，比较直接 API 与 ReAct、多智能体、map-reduce 三种脚手架。测量方式（选择题 vs 开放题）平均造成 5-20 pp 的安全分数差异，基准选择解释 15.1% 的结果变异，而脚手架架构仅解释 0.5%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。