TY  - UNPB
TI  - Just Ask Jev: Reinforcement Learning for Calibrated Decisions as a Zero-Shot Detector of AI Alignment Failures
UR  - https://arxiv.org/abs/2609.29429
DA  - 2026-09-24
KW  - Juju Radar
KW  - 模型评测
KW  - AI安全
KW  - 补看
KW  - 待阅读
N1  - 研究将Jev的问题措辞、可见上下文和阈值分开评估。它对同一输入一次回答多个类型化判断，44个基准共7193条实例；31个适用二元问题的基准AUROC中位数0.886，这是排序指标而非准确率。  19个裁判评分基准按列价估算Jev总成本0.30美元，对照18.96美元。排序效果较好不保证固定0.5阈值适用，任务内校准与是否提供定义异常的参照信息更关键。输出主要来自2至7B模型，部分标签未经独立验证；代码公开，HF数据集需申请。重要度8.5/10，作为近期补看。  原文：https://arxiv.org/abs/2609.29429 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-28/ AI辅助整理。
ER  -