研究：开放语言模型弃答率受格式约束主导，不随明示阈值变化

一项 arXiv 研究（arXiv:2611.14661，作者含 Dongsun Moon）测试 4 个完全开源 3-8B 训练配方的 12 个检查点（另有最高 32B 的探索性模型）对提示中明示评分规则的服从程度，发现模型弃答主要由格式约束驱动，而非服从提示中的阈值规则。具体而言：在 t=0.75 下，加入限定回答为答案或“我弃答”的格式约束后，平均弃答率从 20% 升至 91%；但在该格式内，把阈值 t 从 0.5 提到 0.9 仅改变 -0.8 个百分点，且无该格式约束时提高阈值甚至会降低弃答。研究还发现，在 OLMo 3 7B 上用条件化阈值目标训练出的弃答决策，对未见过的阈值并不能稳定服从。

AI 根据报道生成 · 17 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。