arXiv ID:
2510.05152
arXiv 提交日期: 2025-10-02
一个字符足以决定你的大语言模型评估成败 / A Single Character can Make or Break Your LLM Evals
1️⃣ 一句话总结
这篇论文揭示了大语言模型评估结果会因分隔示例的单个字符(如逗号、换行符等)选择不同而产生巨大波动,甚至能操纵模型排名,并提出了通过提示指定分隔符来提高评估稳健性的方法。