热点事件持续更新
WhoWins基准：LLM智能体指令冲突研究
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
围绕大模型智能体在指令冲突下的行为，研究团队构建了WhoWins基准。该基准包含五类任务共1,080个代码评分场景，并用于受控研究，分析位置、角色与标签等因素如何影响智能体的指令冲突处理。研究使用14个开源模型（参数规模0.6B至122B），基于1,887,356条回复进行统计分析。截至最新报道，工作以预印本形式发布在arXiv cs.CL，公开了基准规模、模型覆盖范围与回复数据量，为该方向提供了可复用的评测与受控实验设置。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
WhoWins基准发布：1,080个场景、14个开源模型、约188.7万条回复。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CLWhoWins 受控研究：位置、角色与标签如何影响 LLM 智能体的指令冲突
作者构建 WhoWins 基准，包含五类任务共 1,080 个代码评分场景，并用 14 个开源模型（0.6B 至 122B）的 1,887,356 条回复分析 LLM 智能体的指令冲突。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。