无标签策略下准确率与顺序敏感性出现分化

一项针对大语言模型多选题基准的研究发现，阻止模型看到选项标签并不能可靠提升准确率。研究测试了生成后匹配与单独打分两种去偏策略，完整分解显示瓶颈在于隐藏选项而非匹配步骤；唯一能稳定匹配基线的配置是展示全部选项并配合 LLM 匹配器。完全消除位置影响仍未带来稳定准确率增益，而循环置换往往能提升表现。