**面对合理反驳，大模型答案稳定性几何？——自驳与跨模型反驳研究**

_Who Flips? Self- and Cross-Model Counterarguments Reveal Answer Instability in LLMs_

> 传统基准测试衡量大模型能否答对，但未考察模型在面对合理反驳时能否坚持正确答案。本文提出评估答案稳定性的受控协议：模型答对多选题后，以其他错误选项的连贯论点进行挑战，观察模型是否“改口”。在7个前沿模型和57个MMLU科目上，改口率从17.5%到97.3%不等，暴露出准确率之外巨大的稳定性差异。发现自我归因会显著提高改口率（平均+7.1pp），而汇集跨模型错误论点并选取最有效者构成的对抗性挑战更为强大。作者构建了MaxFlip挑战集，可将改口率再提升至多23.6pp。相关材料已开源。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.16011)