LLM评审可靠性分层审计研究发布

2026年10月15日，arXiv Artificial Intelligence 刊出 Hiroyasu Usami 等作者提交的研究《LLM 评审的暗电流：LLM 评审可靠性的分层零假设与效用检验》（arXiv:2606.15610v2）。该研究提出“暗电流”概念，指 LLM 评审对完全相同的重复样本给出非平局偏好。在 102 条 RewardBench 2 样本上，四个配置-准则组合均报告 0/102 克隆偏好，但严格效用下界 .539 和 .745 未达 .75 工作阈值；另两个配置出现 2/102 克隆偏好却通过中性效用检验。作者说明，解读以所声明的配置、固定来源混合、来源标签目标和研究特定工作模型为条件；这些界是边缘性的，子集率是描述性的，未获认证并不证明存在缺陷。该版本为大幅修订版，新增输入分层零假设与目标选择效用审计、额外固定配置研究以及一套可操作审计协议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。