實驗可重現性

深度分析

ASMR-Bench：衡量 ML 研究程式碼審計與竄改偵測能力

隨著AI自主進行研究，ASMR-Bench提出審計破壞的基準與測試流程。該方法以九個真實ML程式碼庫與被竄改版本評估稽核能否找出實驗錯誤與修正策略。實驗顯示LLM與人類審核者均難以穩定辨識竄改，揭示風險與監管缺口。作者呼籲加強監控、提示審核與開發者內部控管以降低風險。