Nitay Calderon

Google 研究：LLM 在事实错误方面存在检索问题，而非编码问题

Google Research 推出了一种名为知识画像（knowledge profiling）的新框架，以更好地理解大型语言模型（LLM）产生事实错误的原因。该框架区分了模型未能编码的事实（“空货架”问题）和已编码但无法访问的事实（“丢失钥匙”问题）。他们的研究使用了 WikiProfile 基准，表明像 Gemini3 和 GPT-5 这样的前沿 LLM 主要遭受检索失败而非编码失败，这表明改进检索机制可以显著提高 LLM 的事实准确性。