arXiv · cs.AI· Xiang Li, Aichun Huang, Mingming Zhang, Zheli Liu·· 1 天前
Jev、LLM评判器与专用安全分类器的受控对抗比较
Same Attack, Different Judge: A First Controlled Adversarial Comparison of Jev, LLM Judges, and Purpose-Built Safety Classifiers
arXiv:2610.17820v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xiang Li, Aichun Huang, Mingming Zhang, Zheli Liu
研究任务与主要进展
作者对Jev、5个GPT和GLM评判器以及2个本地安全分类器开展受控对抗评估，在4个公开数据任务上使用同一策略测试来自13个家族的50种攻击变体。Jev在输入审核任务中最稳健，但在钓鱼检测中自身仅识别62%的钓鱼邮件，GLM评判器为77%至81%；Jev速度最快，却误标了27%的正常请求。结果基于论文摘要，具体实验细节尚未核验。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org