大型语言模型（LLM）的可靠性存在显著不足，当问题被重新表述时，超过 23% 的答案会发生变化。这种不一致性凸显了标准准确性指标的一个关键缺陷，这些指标未能捕捉到 LLM 在实际应用中部署时的真实变异性和潜在不可靠性。 AI
影响 凸显了 LLM 在可靠性方面的一个关键差距，表明当前的准确性指标可能不足以应对实际部署。
排序理由 该条目讨论了关于 LLM 可靠性的一项发现，这是对现有 AI 能力的评论，而不是新的发布或研究突破。
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
LLMs flip answers 23% of the time when you rephrase the question LLM answers change on over 23% of questions when wording shifts, and standard accuracy scores hide the reliability gap from anyone deploying AI. https://www. notatechguy.com/llms-flip-answ ers-23-of-the-time-when-yo…