arXiv论文发布会话级污染评测协议

Fahrell Giovanny 等作者在 arXiv（cs.CL）发布论文，提出会话级污染概念和沿来源权威梯度排列的五种污染协议：保持虚假前提不变，仅改变其认识论框架，并在十个知识领域以温度零评测 GPT-5.4 Mini、Gemini-3.1 Flash-Lite 和 GLM-4.5-Air，共 22,500 轮对话。 评测由双轨自动评估器完成，作者称该评估器已对照人工金标准验证：二元采纳的 Cohen's kappa 为 1.000，崩溃严重程度的线性加权 kappa 为 0.92。完整评估框架以开源形式发布。

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。