研究揭示 LLM 常靠药名后缀“猜”答案而非真懂
allen_ai · x · 2026-08-19
UT Austin 等机构的研究发现,LLM 在回答药物问题时往往缺乏特定的药物知识,而是依赖药物名称的形态学特征(如 -pril, -olol 等后缀)来推断药物类别。在对 Olmo 3 的测试中,51-59% 的测试药物显示出缺乏特定药物知识的迹象,另有 12-18% 的回答明显由后缀驱动。得益于 Olmo 的完全开源特性,研究者能够追踪这一行为至具体的训练数据,揭示了这种“捷径”的来源及其在健康问答中的风险。
所属事件:研究发现LLM靠药名后缀猜答案而非真懂药物(2 条相关)→
「模型」频道最新
- Feldar 模型生成长文能骗过 AI 检测器 — almmaasoglu · 2026-08-19
- 用户实测:DeepSeek V4 Flash 编码超越 GPT 5.6 — AnuranBuilds · 2026-08-19
- 法国税务系统遭网攻后拟用Mistral,业内担忧其能力远落后前沿 — eliebakouch · 2026-08-19
- Reddit 热议:Qwen 3.8 27B 被誉本地模型 DeepSeek 时刻 — InternationalGap3698 · 2026-08-19
- 什么是“开放权重”?Hugging Face 工程师详解 — HarperSCarroll · 2026-08-19
- 用户反馈 Grok 频繁出现长时间“思考”卡顿 — Daniel_Farinax · 2026-08-19