WhoWins基准：用1080个场景测LLM如何处理互相冲突的指令
热点事件持续更新
WhoWins基准：用1080个场景测LLM如何处理互相冲突的指令
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Anish Laddha 等在 arXiv 发布论文（arXiv:2610.33201），提出 WhoWins 指令冲突基准：1,080 个由代码评分的场景，覆盖五类任务，每个场景含最多五条互斥的指令，并设计七组受控实验，只改变指令的呈现方式（位置、角色、标签等），以观察哪种因素在冲突中占上风。 评测对象为 14 个开源权重模型（参数规模 0.6B 到 122B），共产生 1,887,356 条评分回复。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
WhoWins 受控研究：LLM Agent 指令冲突中位置、角色与标签谁起作用报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIWhoWins 受控研究：LLM Agent 指令冲突中位置、角色与标签谁起作用
arXiv 论文发布 WhoWins 基准，含 1,080 个代码评分场景和 7 组受控实验，测试 14 个开源权重模型（0.6B 到 122B，共 1,887,356 条评分回复）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。