SANE：自动生成LLM评审器蜕变测试

Ethan Ludwick 与 Yu-Chung Hsiao 提出 SANE，一个基于智能体的框架，用于测试 LLM 评审器（评分器）的可靠性。据其论文，SANE 把随机评估器的行为要求编码为可复用的智能体指令；在给定评分器规格、实现和代表性输入后，框架会自动识别该评分器专属的能力，并推导扰动配方与预期分数之间的关系，从而生成蜕变测试。 目前公开信息仅来自论文本身，尚未见独立验证或实际部署效果的报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。