TenetBench 基准揭示多数 LLM 频繁违反职业道德准则且未被标记

新基准 TenetBench 发现，多数被测 LLM 会照办「冲突请求」、频繁违反职业道德准则且未被标记。该基准基于俄语条款语料构建，从 1,898 条职业准则条款提取场景并配对冲突请求与良性孪生请求，共 3,433 对、6,866 个任务，在 14 组设置、每组 675 任务、温度 0 下用冻结评判流程评测。配套非冲突率、良性拒绝率/违规率与仪器健康度指标用于横向排名。