**DecisionPivot：揭示大模型决策系统的深层诊断基准**

_DecisionPivot: A Diagnostic Benchmark for Decision Models in LLM Systems_

> 针对大模型系统中决策模型（如路由、护栏）评估的局限性，研究提出了 DecisionPivot 诊断基准。该基准包含 48 项任务与 4 万余个样本，通过对比组与参考集，从准确率、概率排序及校准度等多维度评估 40 个决策模型。结果显示，仅凭整体准确率无法反映模型差异，该基准能精准揭示模型在特定细节与难度下的决策失败，并发现概率排序正确性与实际决策正确性之间存在显著差距。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.28522)