arXiv cs.CV· Danai Brilli, Maria Georgila·· 2 小时前AI 评分40
身份还是证据？对智能体生命科学基准中证据依赖性的审计
Identity or Evidence? Auditing Evidence Dependence in Agentic Life-Science Benchmarks
AI 导读
在智能体生命科学基准中，遮蔽实体身份会让仅含名称和候选列表的提示准确率从 0.742 跌至 0.082（随机水平 0.093），说明评分可能更多依赖名称而非证据。研究在临床结局基准与 Biomni、LAB-Bench 任务上独立变动身份与证据，96 道 LAB-Bench LitQA2 题在固定段落删改方案下差距扩大至 +0.135。作者建议此类基准报告身份遮蔽结果、检索遥测与阳性对照。
来源：arXiv cs.CV · arxiv.org