arXiv · cs.AI· Pei-lin Li, Qingle Liu, Junyang Feng, Siyu Li, Sunqi Fan, Xin-Sheng Chen, Shuojin Yang·· 11 小时前
大型语言模型上下文权威判断研究：FakeContextBench与J-ICL提升抗误导能力
When Context Misleads: In-context Learning with Jurisdiction in Large Language Models
arXiv:2609.27603v2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：Pei-lin Li, Qingle Liu, Junyang Feng, Siyu Li, Sunqi Fan, Xin-Sheng Chen, Shuojin Yang
研究任务与主要进展
作者提出FakeContextBench和J-ICL，用于评估并改善大语言模型对上下文权威性的判断；摘要称，J-ICL在四个模型骨干上使ICLEval平均提高5.84个百分点、现实准确性平均提高9.20个百分点。
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