English(EN) Right Number, Wrong State? Measuring Cross-Jurisdiction Substitution in LLM Recall of State Policy

研究发现：大型语言模型会替代州政策值

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-08 04:00

一篇新发表在arXiv上的研究调查了像Claude Sonnet 5.5和GPT-5.6 Sol这样的大型语言模型（LLMs）如何处理特定州的政策问题。研究发现，当被问及具体的州政策时，尤其是在医疗补助（Medicaid）收入资格方面，这些模型经常用一个美国州的数值替代另一个州的数值。尽管模型倾向于可重复地复制另一个州的数值，但该研究强调了归因的脆弱性，以及准确评估跨司法管辖区错误需要全面的同州参考集。 AI

影响凸显了大型语言模型在回忆特定政策数据时可能存在的准确性问题，影响了需要精确司法管辖区信息的应用。

排序理由该集群包含一篇发表在arXiv上的研究论文，详细介绍了大型语言模型的行为发现。[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: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇发表在arXiv上的研究论文，详细介绍了大型语言模型的行为发现。[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: 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.CL TIER_1 English(EN) · Jiayu Feng · 2026-10-08 04:00

号码正确，州不对？衡量大型语言模型回忆州政策的跨司法管辖区替代性

arXiv:2610.09458v1 Announce Type: new Abstract: When an LLM answers a state-specific policy question wrongly, it may be hallucinating, or it may be returning a real value that holds in another state. We test this with a minimal-set design: the question wording is fixed and only t…

本文如何被排名

报道来源 [1]

号码正确，州不对？衡量大型语言模型回忆州政策的跨司法管辖区替代性

相关实体

相关话题