StateAuditor

研究发现，由于IPA差距，AI知识更新未能影响正在进行的任务

上海交通大学的一篇题为“StateAuditor”的研究论文，发现了一个“IPA差距”，即AI模型更新了其知识，但未能将其应用于正在进行的任务。这种意图、感知和行动之间的脱节意味着AI的输出可能无法反映最新信息。该论文提出了一种“反向审计”步骤，即AI在知识更新后重新评估当前任务，这在实验中将任务准确性提高了5%。作者建议用户可以通过要求AI根据新信息检查是否需要重新考虑来手动触发此操作。