arXiv Artificial Intelligence· Xiang Li, Aichun Huang, Mingming Zhang, Zheli Liu·2026-10-15 12:00· 18 小时前AI 评分40

同一攻击，不同裁判：Jev、LLM 裁判与专用安全分类器的首次受控对抗对比

Same Attack, Different Judge: A First Controlled Adversarial Comparison of Jev, LLM Judges, and Purpose-Built Safety Classifiers

AI 导读

研究首次对 TypeSafe AI 的 Jev 开展受控对抗评测，在四项公开数据任务上用 13 个家族的 50 种攻击变体，对比 Jev、五个 GPT 与 GLM 裁判以及 Llama Guard 3、Prompt Guard 2 两个本地分类器。