提出J-ICL框架并发布FakeContextBench

2026年10月15日，arXiv人工智能板块报道，Pei-lin Li等作者提出J-ICL（Jurisdiction In-Context Learning）后训练框架，并将上下文验证纳入训练目标，同时发布FakeContextBench基准。该基准覆盖七个领域的伪科学主张，用于评测大语言模型的上下文权威判别能力。评测显示，仅靠大规模预训练不足以可靠区分上下文权威，主流ICL微调方法反而使模型更易受误导上下文影响，现实准确率较基座模型最多下降14.95个百分点。报道称基准可通过文中给出的链接获取。

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。