提出ROBOGRID框架,通过语法有效性、行为等价性、语义正确性三层评估LLMs作为上下文无关文法(CFG)解释器的能力,发现LLMs在深层递归和高分支结构下语义对齐能力显著退化,且依赖关键词语义引导而非纯符号归纳。
机构:上交
来源:arXiv 2604.20811 | AI4Papers 论文推荐平台