AA-Omniscience评测：Sol与V4知识量领先，但均严重幻觉
teortaxesTex · x · 2026-07-21
有推友基于AA-Omniscience测试分享了几个有趣的现象：
- Sol的知识水平接近Fable，明确领先于K3和V4。
- V4和K3的表现非常接近。
- Grok 1.5T表现优异。
- V4是一个“胡说八道机器”，而Sol同样如此。
这引发了关于模型规模扩大对幻觉和知识获取影响的讨论。
所属事件:AA-Omniscience 图表对比 28 款大模型准确率与幻觉率(2 条相关)→
「模型」频道最新
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27
- Nat Lambert 评 Cohere 开源模型:窄域 RL 训练依赖内部基础设施 — natolambert · 2026-10-27
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27