跨上下文验证：通过会话隔离分析分层检测基准污染

针对大语言模型编码基准面临的可信度危机，本文提出跨上下文验证（CCV）方法。该方法通过在多个独立会话中解决同一问题并衡量解的多样性，结合分层跨上下文架构（HCCA），有效区分模型是依靠记忆检索还是真实推理。实验表明，污染呈现二元特征，推理缺失是完美判别器，且现有标签存在大量假阳性。研究证实信息限制而非结构复杂性是防止确认偏差的关键机制。