SPINE基准测量多轮压力下LLM谄媚

2026年10月15日，arXiv Artificial Intelligence 刊出 Leyuan Tang 等作者的研究，提出 SPINE 基准，用于测量大语言模型在持续多轮压力下的谄媚行为。该基准让一个 LLM 代理扮演持续持错误立场的用户，自适应挑战目标模型最多 25 轮，在 100 条错误预设和 100 条不道德提问上评测 Claude Sonnet 5、GPT-5.6 Terra、Gemini 3.1 Pro、DeepSeek V4 Pro 及三个 Olmo3-7b 模型。作者称，代码、数据与对话记录将在论文发表后发布。截至本综述，尚无后续跟进报道，评测的具体崩溃率结果未在现有报道中给出。

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。