AI图鉴

AI图鉴首页 › AI 资讯 › 快速的LLM开发超过了旨在解释的研究,研究发现

快速的LLM开发超过了旨在解释的研究,研究发现

来源:The Decoder · 发布时间:11-04 · 由 AI图鉴每小时自动聚合

斯坦福研究者对50个被广泛引用的声称有关LLMs的模型进行了测试,对比了20个目前的模型。 44%的调查结论已经“过期”,还有34个罪犯

快速的LLM开发超过了旨在解释的研究,研究发现

斯坦福研究者欧文·奎恩(Owen Queen)和詹姆斯·邹(James Zou)测试了50个被广泛引用的关于大语言模型的声称与20个模型,发现44%已经"过期". 在估计到期日的22项调查结果中,平均寿命仅为15.7个月。

两人在2024年7月至2026年9月期间由8个不同的开发者使用发布模型对声称进行了检查。 过期调查结果背后的原始影响已基本消失,另有34%明显减弱。 只有16%的人还坚持着,而6%的人实际上变得更强。 一年之后,16%的人已经过期。 两年后,这个数字上升到39%。

什么模型"不能做" 过期最快

根据研究,声称关于什么模型不能做的过期最快。 9项推理相关调查结果中有5项被认为已过期,没有任何一项得到维持或变得更加强大。 它们包括一些众所周知的弱点,如在"strawberry"中计算字母,在不熟悉的数字系统中算术,在长上下文中间丢失信息,在用户推回时放弃正确的答案。 研究者怀疑这些错误有"正确"的结果,给开发者一个明确的训练目标。

关于偏好和倾向的声称证明是更长久的。 11项发现中,有3项涉及LLM作为评价者的行为。 他们更喜欢自己的答案,同样地接受和拒绝论文,并在医学摘要中受到语言旋转的影响。 还有三个涉及对用户的节奏和协议。 此外,还有左倾的政治偏见,对开放式问题几乎相同的答案,以及生成随机数字时的非统一分布。

幻觉参考率从55%降至零,但并非到处都有

作为案例研究,王后和邹 looked研究了科学引用的捏造。 在沃尔特斯和怀尔德最初的2023年的研究中,GPT-3.5占了其参考文献的55%. 斯坦福的研究人员向目前的模型发出了同样的提示。 GPT-6.1 Sol制造了0%,Claude Sonnet 5.5以1%的速度进入。 但Qwen3.7-Flash,也是2026型号,仍然在同一测试中编造了69%的参考文献。

研究警告反对读取这些结果为全清。 在所谓的双跳问题上,当一个模型必须结合两个已知的事实时,Claude Sonnet 5.5仍然在大约10%的情况下失败,它正确回答了两个单个问题。 原论文报告ChatGPT为43%. "逆转诅咒"和对配对时间相关问题的自相矛盾的答案也有所削弱,但它们仍然可以被察觉。

研究人员认为,社会偏见是一个混合情况。 左倾的政治偏见依然存在,而性别陈规定型观念和隐含的结社偏见则削弱了。 对非洲裔美国英语使用者的偏见实际上改变了趋势数据的方向。

即使在同一代人中,模型对模型的差距仍然很大

不同模型的结果差异很大,即使在同一个发布窗口内也是如此。 在2026年7月至9月的发布型机中,过期的发现数量从DeepSeek V4 Pro的11个到GPT-6.1 Sol的30个不等。 无论是发布日期,提供者,还是模型大小都无法可靠地预测模式。

后与邹氏作大论。 关于LLMs的实证结论应当作为特定时间点的特定模型的观察,而不是作为一般的真理。 文件应记录模型、版本和日期,并公布提示和分析代码,以便对未来模型再次测试结果。

研究者指出Andrej Karpathy的一篇文章,描述对LLMs实际行为的认识差距如何影响对AI的信任,以及人们使用它的次数。 Karpathy,OpenAI联合创始人,从此加入了Anthropic,最近也加入了称,目前可用的模型只是对未来能力的预览。

AI News Without the Hype – 由人类治愈

订阅THE DECODER免费阅读,每周AI通讯,我们独家的"AI雷达"前沿报告每年6次,全面存档访问,访问我们的评论部分。

现在订阅

读取全照。

订阅无韵报道。

- 全面查阅THE DECODER的每篇文章

- 没有广告

- 加入评论和社区讨论

- 每周通过邮件转载AI新闻

- 6x/年:"AI雷达"——对AI最重要的话题进行深度潜水。

- 每日AI新闻,总是最新的

- 我们完整的十年档案

- 由一个在AI工作10年以上的团队负责

订阅到 The Decoder

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(the-decoder.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 608 款 AI 工具分类导航 · 每日 AI 热门项目与动态