论文:专家反对意见会放大 LLM 改答案,却不更准

Yupeng Tang · hf · 2026-11-18

论文《When Expert Disagreement Hurts: Prestige and Selectivity in LLM Decision Revision》通过只改变修订上下文的两轮受控审计发现:LLM 在面对分歧时往往无法有选择地修正错误。加上「专家」标签会显著增加模型推翻原答案的次数,但并不可靠地提升准确率。作者建议对修订行为的评估应按模型和协议分别使用配对条件指标,而非只看整体正确率。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →