待验证50% 置信事实精确时间
研究对六个主流大语言模型进行了测试
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/11
首次发现
有效期至：2026/12/10
来源
涉及实体
相关事实
待验证OpenAI、DeepMind等机构的多项研究都证实了大语言模型谄媚问题的普遍性67% 相似待验证一篇题为《A global workspace in language models》的研究试图将全局工作空间理论引入大语言模型的可解释性研究66% 相似待验证研究界逐步转向结合大语言模型的新一代评估框架如COMET和BERTScore以更好捕捉语义层面翻译质量66% 相似待验证评估大语言模型能力的常见基准测试包括MMLU、HumanEval、MATH以及LMSYS Chatbot Arena66% 相似待验证EleutherAI的Language Model Evaluation Harness专注于能力基准测试65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/892948API
curl https://kongchang.com/api/v1/knowledge/claims/892948MCP
get_claim(id=892948)