评测与基准arXiv 2601.13227·1月20日内幕知识：RAG 系统能从评测秘密中获得多少收益？测量 RAG 系统利用评测秘密抬高自动评测分数的程度arXiv2601.13227发表1月20日层应用层场景LLM 应用风险奖励作弊组件RAG+1+1深度解读完整解读