提出工具使用诊断基准FlipAct

2026年10月15日，arXiv Artificial Intelligence 报道，Sixun Dong 等作者提出 FlipAct，一种针对物理状态下工具使用的诊断方法。该方法用标注工具属性上的规则计算答案与分级证据分数，并将 Yes/No 边界固定为零。报道称，在 44 个开源模型上，敏感度随同族模型规模上升，其排名与四个外部何时行动基准中的三个一致；模型响应证据符号而非幅度。报道还称，激活引导可在权重不变下移动判定标准，从模型自身被引导副本蒸馏可将该偏移写入权重且不显著改变敏感度，并迁移到六个外部基准。目前该事件仅有这一篇主报道，暂无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。

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。