待验证50% 置信基准精确时间

2024年UC Berkeley的一项研究发现,在复杂多步骤任务中,GPT-4级别的模型出现工具调用幻觉的概率高达12%-18%

1

来源数

50%

置信度

长期有效

时效性

2026/9/10

首次发现

来源

可证伪闭环测试：如何真正验证AI智能体的能力

涉及实体

UC Berkeleycompany GPT-4model

相关事实

已验证即使是GPT-4这类顶级模型，在特定领域的幻觉率仍可达到15%-30%80% 相似待验证斯坦福大学2024年的AgentBench基准测试显示，GPT-4级别模型在需要跨系统协调的复杂任务中端到端成功率低于30%77% 相似待验证从GPT-3的1750亿参数到GPT-4估计超过万亿参数的跃升中，模型在模拟人类心理状态方面的表现出现了质的飞跃74% 相似待验证斯坦福大学2023年的研究表明，GPT-4在开放域问答任务上的准确率比传统NLU系统高出约40个百分点74% 相似已验证斯坦福大学2023年Chen等人的研究证实GPT-4在数月内的数学推理能力存在显著波动73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/887239

API

curl https://kongchang.com/api/v1/knowledge/claims/887239

MCP

get_claim(id=887239)