arXiv cs.AI· Aditya Kumaran, Rahul Singhal, Karime Maamari, Amine Mhedhbi, Pradyumna Tambwekar·· 1 天前AI 评分34
HARDEN：用约束进化搜索生成更难且保持答案不变的评估用例
HARDEN: Constrained Evolutionary Search for Harder, Answer-Preserving Evaluation Cases
AI 导读
HARDEN 提出一种约束进化搜索方法，在保持期望输出不变的前提下把现有评估用例改写成更难变体，并强制语义、真实性与执行有效性等可行性约束。在 FinQA、PubMedQA、ContractNLI 及 Qwen3.5 三种规模（35B-A3B、122B-A10B、397B-A17B）上，HARDEN 平均降低任务准确率 22.7%，相对单次通过基线最多降低 49.9%。
来源：arXiv cs.AI · arxiv.org