本文通过设计巧妙的“空模型”作弊策略，揭示了主流自动 LLM 基-20241011053342

本文通过设计巧妙的“空模型”作弊策略，揭示了主流自动 LLM 基准测试的脆弱性，并证明即使是完全无意义的输出也能获得高分，突显了开发更鲁棒的评估方法的紧迫性，以及对 LLM 安全性的深思。