English(EN) From Unreliable to Usable: Decomposing Failure Modes and Confidence Signals in LLM Entity Extraction - Evidence from Cyber Threat Intelligence

研究发现大型语言模型实体提取不可靠

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

一篇新的arXiv论文研究了大型语言模型（LLMs）在信息提取方面的可靠性，特别是在网络威胁情报文档方面。研究发现，即使是像GPT-6.1-Sol、DeepSeek-V4 Flash和GLM-5.3-Flash这样先进的模型也表现出显著的不可靠性，其精确率低且校准误差高。与普遍假设相反，主要的故障模式不是幻觉，而是背景提及和范围不正确，而实际不支持的候选词很少见。虽然置信度信号有助于优先审查，但它们不能保证准确性，因为即使是微小的句子扰动也会极大地改变高置信度的判断。 AI

影响强调了大型语言模型数据提取的局限性，建议在高风险应用（如威胁情报）中要谨慎。

排序理由详细介绍大型语言模型评估和故障模式的学术论文。[lever_c_research降级：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: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍大型语言模型评估和故障模式的学术论文。[lever_c_research降级：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) · Jiahong Qian · 2026-10-15 04:00

从不可靠到可用：LLM实体提取中的失败模式和置信度信号分解——来自网络威胁情报的证据

arXiv:2610.20417v1 Announce Type: new Abstract: Audits of large language model (LLM) extraction from full-length documents report severe unreliability, leaving two questions open: what the failures actually consist of, and whether confidence signals can turn unreliable output int…

本文如何被排名

报道来源 [1]

从不可靠到可用：LLM实体提取中的失败模式和置信度信号分解——来自网络威胁情报的证据

相关实体

相关话题