LLNL 基准测试:9 个模型仅 2 个识破被暗中做错的模拟器

alex_verem · x · 2026-11-19

Lawrence Livermore 国家实验室的研究让 9 个 AI 模型在模拟环境里完成标准实验任务:加热样品、拟合热传导模拟器并报告热导率,同时给出 95% 置信区间。部分任务中模拟器被故意缺失物理(如内部粘接点、侧边漏热),拟合曲线看起来依然完美,但答案偏差可达 12%。

关键发现:

作者提醒:当 agent 给出「95% 确定」的漂亮结果时,要问它在下结论前到底核查了什么。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →