标签
本文使用污染感知方法论,研究LLM智能体中经典心理学效应的识别、模拟与拒绝。
Multi-LCB 将 LiveCodeBench 基准扩展到十二种编程语言,以评估大型语言模型,同时保留污染控制机制,揭示了 Python 过拟合和语言特定的污染问题。