对 xAI 的 Grok-4.7 模型进行的最新评估显示,其处理网络搜索结果和引用的方式存在差异。在使用 web_search API 时,Grok-4.7 返回了 1,656 个 URL 注释,但这些都不是指向答案文本特定部分的内联引用。相反,这些 URL 代表了模型完整的阅读列表,包括它认为不相关的页面。该研究将 Grok-4.7 的响应与 ChatGPT、Claude、Gemini 和 Perplexity 在 24 个软件购买问题上的响应进行了比较,突显了评估包含网络搜索的 LLM 答案时可能存在的陷阱。 AI
影响 强调了在使用网络搜索的 LLM 响应评估中可能存在的问题,影响用户和开发人员如何解读 AI 生成的信息。
排序理由 对 LLM 输出格式和引用处理的分析。 [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 →