一项最新测试评估了12个AI模型在不知道答案时承认自己不知道的能力,而不是自信地提供错误信息。研究发现,Qwen3.8 Max最容易出现自信的错误,而Claude模型如Sonnet、Haiku和Opus则倾向于含糊其辞,即使答案正确。没有一个模型能正确回答关于英格兰和威尔士遗嘱认证申请费的问题,大多数模型都默认使用了过时的费用。 AI
影响 强调了AI模型准确表达不确定性的必要性,影响了未来更可靠AI系统的开发。
排序理由 该条目描述了一种新颖的AI模型评估方法,并展示了该评估的结果。[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 →