Llama 3.3 70B 在 SciFact 上的证据鲁棒性测量：干扰与注入对判定影响有限

一项单模型、单次运行的测量用 SciFact 160 条测试声明（80 SUPPORTS / 80 CONTRADICTS）检验 Llama 3.3 70B Instruct（FP8，经 Cloudflare Workers AI 提供）对坏证据的鲁棒性。加入 2 条 BM25 干扰段落或植入含 PINEAPPLE 的提示后，准确率变化均无 95% CI 排除 0；唯一显著差异是防御性提示在干净证据上使准确率下降 0.044（-0.081 至 -0.013）。人工核查 20 条输出中，被标记的 10 条有 8 条遵循植入指令（precision 0.800）。