斯坦福团队展示操纵模型排行的基准攻击

2026 年 10 月 1 日，AGI Hunt 报道，斯坦福 AI Lab 研究者 ysalh 与 Sanmi Koyejo 公布了一种针对基准排名的攻击方法。攻击者向基准提交大量随机路由器，每个路由器在每个 prompt 上于两个现有模型之间二选一。由于基准会返回详细的按任务得分，这些弱信号会泄露在复用样本上哪些路由选择有效；攻击者据此加权组合出最终路由器，把自选模型抬上榜单。报道称，该攻击只需随机提交路由器即可操纵模型排行。目前该方法已被公开披露，报道中未提及相关基准方是否作出回应或推出修复措施。

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。