待验证50% 置信事实精确时间

论文核心结论认为多项选择会系统性地高估模型的实际生成能力

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

识别却不会生成：LLM在文化亲属称谓上的评估盲区

涉及实体

多项选择评估concept

相关事实

待验证该研究结论反驳了模型会根据问题难度自适应调整计算量的流行说法77% 相似待验证以往研究大多将过度拒绝归因于静态表征重叠，即无害提示和有害提示在模型内部表征空间中过于接近74% 相似已验证部分模型存在针对测试集过度优化的风险，导致榜单分数与真实场景表现出现偏差（Benchmark饱和）74% 相似待验证模型跳过检索直接作答的过度自信在技术上被称为校准不足（miscalibration），即置信度与实际正确率存在系统性偏差73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946164

API

curl https://kongchang.com/api/v1/knowledge/claims/946164

MCP

get_claim(id=946164)