**HuggingFace 论文:LLM 泛化能力应基于稳定性而非准确率评估**

_Generalization Is Stability, Not Accuracy: Multi-Axis Evaluation of LLMs_

> 该研究提出 SAGO 框架,主张通过测量同一输入在不同变体下的行为一致性(如生成稳定性、内部激活等)来评估 LLM 的泛化能力,指出传统准确率指标混淆了鲁棒性与基准性能,且现有模型普遍存在显著的泛化不稳定性。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.01428)