**Box^2-Bench:评估大模型选择性依赖外部指导的能力**

_Thinking Outside the Box: Can Language Models Rely on External Guidance Selectively?_

> 研究提出Box^2-Bench基准,旨在隔离评估语言模型在外部工作流可靠性变化时的“跳出框架”能力。实验显示前沿模型虽能利用可靠指导,但在误导或不可靠场景下仍显脆弱。通过反事实监督微调与基于结果的强化学习训练开源模型,可提升其鲁棒性或增强对有益工作流的利用。该能力还延伸至同伴纠错及受损记忆鲁棒性,揭示了任务性能之外的智能体可靠性新维度。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.39578)