待验证50% 置信观点精确时间
VocalGrad 提醒：多模态模型在语义任务上的高分可能掩盖感知能力的空缺，当模型依赖文本先验或语言推理猜答案时，基准测试会高估其真实能力。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
已验证困惑度衡量语言模型对测试文本的预测能力，数值越低表示模型越不惊讶于看到这些文本80% 相似已验证大语言模型的回答通常以完整句子和肯定语气呈现，缺少人类顾问惯常附带的'我不确定''需要进一步核实'等语言信号75% 相似待验证OpenAI在2025年9月的一篇论文《Why Language Models Hallucinate》中解释：大多数训练和基准测试只对答案判对错，对'我不知道'不给分，导致模型倾向于猜测。74% 相似待验证自回归语言模型的OOD检测比传统机器学习更困难，因为语言组合空间庞大、语义OOD与表面形式OOD不对应，且对抗者可构造统计上看似in-distribution但语义触发OOD的输入74% 相似待验证用语言模型判断工具调用是否正确或返回数据是否真实这类客观事实校验，与语言质量评价职责不匹配74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1064878API
curl https://kongchang.com/api/v1/knowledge/claims/1064878MCP
get_claim(id=1064878)