English(EN) Load-Bearing Context: The Question Damage Score for Evaluating Context Reliance in Linguistic Reasoning

新指标探究大型语言模型对语言推理上下文的依赖性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-31 04:00

研究人员开发了一种名为问题损害评分（Question Damage Score）的新指标，用于评估大型语言模型在语言推理中对所提供上下文的依赖程度。他们使用英国语言奥林匹克竞赛中的谜题，通过移除单个上下文示例（包括那些被确定为“承重”的示例）来创建修改版本。在对三个前沿大型语言模型进行测试时，即使在关键上下文被移除的情况下，模型也经常未能避免回答，这表明存在真正的上下文依赖性与记忆或推理之间的问题。 AI

影响这项研究突显了大型语言模型在上下文依赖性方面存在的潜在弱点，表明模型可能过度依赖记忆而非真正的理解。

排序理由学术论文，介绍了一种用于评估大型语言模型的新评估指标。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，介绍了一种用于评估大型语言模型的新评估指标。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Neh Majmudar, Elena Filatova · 2026-08-31 04:00

承载式上下文：用于评估语言推理中上下文依赖性的问题损害得分

arXiv:2608.27756v1 Announce Type: new Abstract: Determining whether large language models derive answers from context or prior knowledge remains a fundamental challenge. Self-contained linguistic olympiad puzzles provide a controlled setting where all answers derive solely from e…

本文如何被排名

报道来源 [1]

承载式上下文：用于评估语言推理中上下文依赖性的问题损害得分

相关实体

相关话题