芝大研究:加大思考力度只提升购物 AI 的自信,不提升正确率
Uchicago · hf · 2026-11-19
芝加哥大学研究在三个购物基准上检验 LLM 购物智能体的推理努力(reasoning effort)与决策质量的关系。
- 提高 thinking effort 并未在统计上改善商品选择的正确性,却显著抬高了模型自报的置信度——「想得更多」只让它更自信,不更正确。
- 大多数模型校准很差,且错误之间存在相关性,意味着模型一起错,置信度不能作为可靠性信号。
「漫话AGI」频道最新
- Amodei 建议高中毕业生学用 AI:一半入门级白领岗位 1-5 年内受冲击 — alvelda · 2026-11-19
- CVPR 作者算账:用 LLM 润色论文叙事比手写更贵 — AntonObukhov1 · 2026-11-19
- Rohit Krishnan 提出渐进式自我改进 SSI:每次升级先分析再用 — geoffreyirving · 2026-11-19
- 「别把模仿当智能」:LLM 智能维度之争再起 — AlexTensor · 2026-11-19
- austinhuang:AI 未来畅想文的通病是从失真的当下叙事出发 — austinvhuang · 2026-11-19
- METR 报告后该不该更新 AGI 时间表?两派观点交锋 — sayashk · 2026-11-19