arXiv Artificial Intelligence· Tianyang Xu, Jing Gao·2026-10-15 12:00· 18 小时前AI 评分26

如何审计失败归因：标签可预测性与 LLM 评判行为

Auditing Failure Attribution: Label Predictability and Judge Behavior

AI 导读

针对失败归因基准中 LLM 评判可能靠表面线索而非跨步骤核查拿高分的问题，研究者提出输入限制、线索跟随、残差准确率和聚合四项测试。