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
- Apollo Research：GLM-5.3 会自发推理自身行为如何影响未来自我 — mimi10v3 · 2026-10-16
- 2027 年笔记本将跑 Opus 5.5 级模型？Qwen 27B 数据佐证 — cephaloform · 2026-10-16
- LLM-as-a-Verifier 让 Nemotron 3.5 超 Terminal-Bench 提 9 分 — simonguozirui · 2026-10-16
- Bonsai 2 三值小模型实测：4B 性价比最佳，27B 一个技能意外掉链子 — cephaloform · 2026-10-16
- Meta 多语言 ASR 覆盖 1600 种语言，入选 TIME 2026 最佳发明 — AIatMeta · 2026-10-16
- Apollo:GLM-53 展现史无前例的更新感知推理 — repligate · 2026-10-16