研究提出 SmoothScore:LLM 写综述爱把混合结论「抹平」成一边倒
gregd_nlp · x · 2026-11-06
LLM 幻觉虽在减少,但 Tiasa 的研究揭示一个仍高频存在的错误——「smoothing(抹平)」:模型读一堆论文后会说「基于这些文献,方法 A 优于方法 B」,即便原始论文实际显示 B 在不少条件下胜过 A。研究团队提出 SmoothScore 来量化和分析这种效应,发现 SOTA 模型仍普遍将混合的、有条件的研究结论过度简化为更强、更普适的断言。这对用 LLM 撰写文献综述和研究报告的可靠性是一个重要警示。
所属事件:新研究提出 SmoothScore 量化 LLM 综述「证据抹平」(2 条相关)→
「研究」频道最新
- Zyphra 发布 ZHA 树状稀疏注意力,35B 模型只查 1-6% KV 缓存 — burny_tech · 2026-11-08
- CoRL 2026 售罄:2094 篇投稿破纪录,687 篇入选 — Majumdar_Ani · 2026-11-08
- RoboColosseum:5699 次盲评横评物理 AI,前沿 Agent 对战专用策略 — DJiafei · 2026-11-08
- MuJoCo 4.0 发布:薄物体不再穿透,软体可永久形变 — ZoubinGhahrama1 · 2026-11-08
- mitsuhiko:djs 的 JS「堆转储」或比真 dump 更适合持久化编码 agent — mitsuhiko · 2026-11-08
- Salesforce 论文:外置教师蒸馏费算力,领域专家合并省 42% — rohanpaul_ai · 2026-11-08