English(EN) Solving versus Verifying: Catching Contradictions in Tax Reasoning Systems

大型语言模型在处理矛盾的税务数据时遇到困难，但自我检查可提高可靠性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

一篇新的研究论文探讨了大型语言模型（LLMs）在税务推理系统中的可靠性，特别是在面对缺失或矛盾的事实等有缺陷的输入时。虽然大型语言模型在格式良好的案例中能够准确计算税负，但其在不完美数据上的表现会显著下降。研究发现，模型在遇到矛盾时通常会进行计算而不是弃权，但在被提示验证输入时，它们能有效地识别这些问题。通过整合验证步骤，模型在最小化对准确性影响的同时，在很大程度上恢复了对有缺陷输入的弃权能力。 AI

影响强调了在基准准确性之外，对大型语言模型进行鲁棒错误检测的必要性，这对于在敏感应用中可靠部署人工智能至关重要。

排序理由一篇发表在arXiv上的研究论文，详细介绍了大型语言模型在特定领域的 [lever_c_demoted from research: ic=1 ai=1.0] 能力和局限性。

在 arXiv cs.AI 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: 12 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 一篇发表在arXiv上的研究论文，详细介绍了大型语言模型在特定领域的 [lever_c_demoted from research: ic=1 ai=1.0] 能力和局限性。
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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Albert Sadowski, Jaros{\l}aw A. Chudziak · 2026-09-10 04:00

解决与验证：识别税务推理系统中的矛盾

arXiv:2609.05928v1 Announce Type: cross Abstract: Large language models now compute correct tax liabilities on over 90% of well-formed cases in statutory benchmarks, which makes them candidates for the tax-advisory and compliance systems that consume such an answer directly. Real…

本文如何被排名

报道来源 [1]

解决与验证：识别税务推理系统中的矛盾

相关实体

相关话题