LLM 安全评判器是否具备策略不变性？一项三原则压力测试

研究提出 LLM-as-a-Judge 安全评判器应满足"策略不变性"，并将其拆解为评分标准语义不变性、阈值不变性和歧义感知校准三项可测试原则。在 ASSEBench 与 R-Judge 轨迹上测试四类智能体评判器发现，保持内容不变的政策改写可使最多 9.1% 的判定翻转，且 18-43% 的翻转发生在无歧义案例上，说明评判器无法区分有意义的规范变化与无意义的结构改写。