PulseAugur
中
实时 01:02:08
English(EN) Who Gets Named: Citation Type Predicts Individual Naming by Grounded Language Models, and a Roster Instrument Captures 0.5% of It

研究发现：大型语言模型在 25.8% 的回复中会点名个人 · arXiv cs.IR

作者 PulseAugur 编辑部 · [2 个来源] ·

一项发表在 arXiv 上的新研究调查了大型语言模型如何在回复中点名个体专业人士，发现模型在 25.8% 的查询中点名了个人。这项研究使用了包括 GPT-5.6 Sol 和 Gemini 3.6 Flash 在内的四种模型的 2,400 次接地 API 调用，揭示了模型和类别之间存在显著差异，房地产和汽车经销商的命名率更高。有趣的是，预测命名的是引用的类型而非引用量，并且英文提示比本地语言提示导致更多的个人提及。 AI

影响 这项研究强调了大型语言模型如何归因信息，这可能会影响对 AI 模型偏见和透明度的评估方式。

排序理由 该集群包含一篇发表在 arXiv 上的研究论文，详细介绍了关于大型语言模型行为的实证发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

研究发现：大型语言模型在 25.8% 的回复中会点名个人 · arXiv cs.IR

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Dmitrij \.Zatuchin (Department of Information Technologies, EUAS, Tallinn, Rankfor.AI, Tallinn) ·

    谁会被点名：引用类型预测基于基础语言模型的个体命名，名录工具捕捉到其中0.5%

    arXiv:2607.23893v1 Announce Type: cross Abstract: Prior work on AI brand visibility measures the firm: does a model recommend a company, and does that track its reputation. This study asks the question one level down, in categories where the buyer picks a person. It issued 2,400 …

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Dmitrij Żatuchin ·

    谁会被点名：引用类型预测基于基础语言模型的个体命名，名录工具捕捉到其中0.5%

    Prior work on AI brand visibility measures the firm: does a model recommend a company, and does that track its reputation. This study asks the question one level down, in categories where the buyer picks a person. It issued 2,400 grounded API calls in one two-hour window on 24 Ju…

相关实体

相关话题