arXiv 上发表的一项新研究调查了大语言模型 (LLM) 裁判在验证文档时效性方面的可靠性。研究人员发现，虽然在提供完整的修订记录时，LLM 在识别被替换的引用方面通常很有效，但当记录存在差距时，其性能会显著下降。在测试中，当记录中的链接被移除时，Gemini 3.1 Pro 和 GPT-5.5 等模型仅使用文档文本比使用不完整的记录表现更好。研究表明，向 LLM 提供不完整或未经核实的记录可能导致引用遗漏和误报，从而影响其在验证文档时效性方面的准确性。 AI
影响 强调了 LLM 在面对不完整数据时验证信息准确性的局限性，影响了其在关键应用中的可靠性。
排序理由 发表在 arXiv 上的研究论文，详细介绍了 LLM 的能力。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
