SANE：面向LLM评审的自动化蜕变测试框架
热点事件持续更新
SANE：面向LLM评审的自动化蜕变测试框架
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月22日，arXiv Artificial Intelligence 刊出 Ethan Ludwick、Yu-Chung Hsiao 的论文，提出 SANE——一种基于智能体的、针对特定评分器的蜕变测试框架。据该报道，SANE 将随机评估器的行为要求编码为可复用的智能体指令，自动为每个评分器推导扰动配方与预期分数关系。报道称，在五个领域中，SANE 生成的已验证测试族数量是 Judge Reliability Harness（JRH）的 3.7 倍，并在每个领域都检测出评分器缺陷，包括 JRH 未能检出的专业性与毒性领域。目前事件进展限于该论文所报告的方法与实验结果，尚无独立复现或其他来源的跟进信息。
AI 根据报道生成 · 3 小时前更新
最新进展10月22日 12:00
SANE：面向 LLM 评审器的自动化评分器专属蜕变测试框架报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv Artificial IntelligenceSANE：面向 LLM 评审器的自动化评分器专属蜕变测试框架
SANE 是一个基于智能体的框架，可将随机评估器的行为要求编码为可复用的智能体指令，自动为每个评分器推导扰动配方与预期分数关系。在五个领域中，SANE 生成的已验证测试族数量是 Judge Reliability Harness（JRH）的 3.7 倍，并在每个领域都检测出评分器缺陷，包括 JRH 未能检出的专业性与毒性领域。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 710月23日 03:00
- 近 24 小时变化
- –
02468
03:0004:0005:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。