跳到正文
热点事件持续更新

论文揭示检索式工具输出损害GPT准确率

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Ke Zhang 等研究者发布论文(arXiv:2610.26836),用 USGS 地球化学模拟器 PHREEQC 构建 158 道执行验证选择题,测试 LLM agent 读取模拟输出的方式。研究发现:当 agent 通过分区索引而非完整上下文读取模拟器报告时,GPT-5.1 和 GPT-5.2 准确率分别下降 11.3 和 7.9 分,而 Claude Opus 4.6 和 Claude Sonnet 4.6 没有可检测到的损失。 该论文的 v2 版本为修订扩展版,新增了填空实验、截断分析和专家评审,并重绘图表与改写文本。

AI 根据报道生成 · 44 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI精选
    研究揭示 LLM Agent 检索工具输出导致的证据替换误差

    研究用 USGS 地球化学模拟器 PHREEQC 构建 158 道执行验证选择题,发现 Agent 通过分区索引读取报告时 GPT-5.1 和 GPT-5.2 准确率分别下降 11.3 和 7.9 分,Claude Opus 4.6 和 Claude Sonnet 4.6 无可检测损失。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。