先了解这件事
AI 综述
2026年10月24日,芝加哥大学发表论文,指出大语言模型(LLM)无法可靠自述自身决策的关键因素。论文称,LLM无法预测自身答案分歧的关键问题,其自述的决策关键因素与真实因素的吻合度仅13.4%,低于随机打乱后的39.2%。研究让模型多次预测59场March Madness比赛和15个Metaculus事件,再用reranker比对答案对,计算量比本地LLM评审低约86倍。单个答案覆盖真实关键因素的比例为28.6%,基线为37.8%。目前该发现由单一来源报道,尚无后续发展。
AI 根据公开报道生成
最新进展 · 正式报道
芝加哥大学：LLM 自述决策关键因素不可靠事件进展
1 个已确认进展
- 来源：Rohan Paul
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月24日
Rohan Paul
芝加哥大学：LLM 自述决策关键因素不可靠
芝加哥大学新论文发现，LLM 无法预测自身答案分歧的关键问题，其自述的决策关键因素与真实因素吻合度仅 13.4%，低于随机打乱的 39.2%。研究让模型多次预测 59 场 March Madness 比赛和 15 个 Metaculus 事件，再用 reranker 比对答案对，计算量比本地 LLM 评审低约 86 倍。单个答案覆盖真实关键因素 28.6%，基线为 37.8%。