MAWILE: рабочая платформа для аудита оценщиков LLM (arXiv v1)
Megagon Labs представила MAWILE — платформу для разработчиков (arXiv:2609.22599v1), которая проверяет чувствительность оценщиков LLM по четырём поверхностям — подсказка оценщика, рубрика, вход системы и выход системы — путём создания управляемых возмущений и повторного запуска оценщика. MAWILE поддерживает бинарные, порядковые и попарные оценщики без необходимости в эталонных метках; код выложен на GitHub.