研究称专家标签分歧致LLM决策修正准确率最多降16.1点

Yupeng Tang 与 Mingfeng Lin 在一篇被 NeurIPS 2026 接收的 arXiv 论文中提出两轮受控审计法：固定问题、证据和模型初始答案，只改变修订情境（中性反思、匿名分歧或归于领域专家的分歧），并给出修订的选择性门槛——错误答案的翻转次数须超过正确答案的 a/(1-a) 倍才能提升准确率。 在医学、科学、法律领域五个模型的 1,989 个有证据支撑的决策上，论文发现专家存在分歧时没有模型达到该门槛，准确率最多下降 16.1 个百分点，即专家标签引发的修订反而损害模型表现。

AI 根据报道生成 · 26 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。