一篇新的arXiv论文研究了大型语言模型智能体中“互补一致性”的现象,具体检查了它们对一个主张及其互补项所报告的概率是否加起来等于一。该研究测试了三个开源模型:Qwen3-4B、Llama 3.2:3b 和 Gemma 3-4B。结果表明,所有三个模型都未能保持这种一致性,它们配对报告的总和平均超过一。这种不一致性比释义的影响要大得多,并且在各种模拟参数下都持续存在,这表明这些智能体模拟信念的方式存在根本性问题。 AI
影响 揭示了LLM智能体模拟信念方式的潜在缺陷,影响了意见模拟和智能体交互的可靠性。
排序理由 发表在arXiv上的研究论文,详细介绍了LLM智能体行为的实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- AVeriTeC
- CatalyzeX
- DagsHub
- Gemma 3-4B
- Gotit.pub
- Hugging Face
- Llama 3.2:3b
- Qwen3-4B
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →