结论

一篇在北京时间2026年8月7日首次公开的arXiv预印本提出，评估语言模型面对外部信息时，不能只看其是否抵抗误导，还应检验其能否在有用信息出现时正确采纳。作者为此发布MIST基准与SCOPE训练方法，并在论文设定的评测中报告：SCOPE可降低误导上下文将正确答案翻转为错误答案的比例，同时保留对有用上下文的利用。

arXiv API记录该论文v1的时间为2026年8月6日17:59:58（UTC），换算为北京时间8月7日01:59:58，因此按上海时区计入当日进展。研究状态为预印本，不是同行评审论文；以下实验结果均为作者报告。

研究对象、方法与范围

MIST包含1,000个推理题，每题构造成干净、误导、正确和无关四种匹配上下文条件。作者定义SC2W指标，统计模型在干净条件下答对、但因误导信号改答错误的比例。题目中800道取自既有公开问答基准，另外200道由人工编写。

SCOPE从“干净条件答对、误导条件答错”的样本中构造偏好对，以直接偏好优化训练模型；训练目标在四类条件间均衡，而非只让模型拒绝误导信息。该设计试图区分“忽略全部上下文”的表面稳健性与“有选择地信任上下文”的能力。

作者报告的结果

在论文选定的两种开源模型和固定训练、评测配置下，Qwen3-4B的SC2W由35.0降至16.3，Llama-3.2-3B由31.5降至20.6。作者还报告，干净、正确和无关上下文这三类控制条件的准确率没有下降或有所提高。论文把这解释为模型在该基准内对误导线索更不易受影响，同时未简单拒绝全部外部信息。

限制与意义

这不是对模型可靠性或安全性的普遍证明。预印本尚无独立复现，MIST的规模、题源和受控构造也限制了外推范围；SCOPE的主要训练结果仅覆盖两种小型开源模型。真实检索、网页噪声、工具调用和长链路代理中的表现仍需单独测试。

对评测和训练实践而言，这项工作的可用价值在于给出一项成对指标和四条件测试框架：未来的上下文稳健性结论可同时报告模型抵抗误导、采纳正确信息以及不受无关信息干扰的表现，而不应只用单一“抗干扰”分数概括。