arXiv · cs.CL 计算与语言· Chengguang Gan, Yunhao Liang, Hanjun Wei, QingHao Zhang, Shiwen Ni·· 5 小时前AI 评分58
CapLadder 研究：LLM 能否被调到指定基准分数并伪装成更弱的模型
Can We Make an LLM Dumber, or Is It Just Playing Dumb? An Empirical Study of Believable Performance Throttling
AI 导读
作者提出 CapLadder，一个经 IRT 校准、含 1,985 道题、覆盖数学、代码、多选题推理与工具使用的评测套件，用来研究能否把模型能力压到目标分数、且失败模式是否像真实弱模型。
来源：arXiv · cs.CL 计算与语言 · arxiv.org