AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:知识边界×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月10日
11:31
11:31arXiv cs.AI@Haeji Jung, Hila Gonen
精选72°
研究者推出 PhantomBench,这是首个专门评估语言模型对“不存在概念”识别能力的基准,包含超过6万个从真实领域衍生的虚构术语和实体。测试了21个不同规模和类型的模型,发现平均幻觉率高达86.7%,即使是前沿模型在面对预设存在的输入时也几乎无法拒绝回答。该基准可作为研究模型在罕见概念上幻觉行为的代理工具,并提供了可扩展的构建流程。这项工作揭示了模型知识边界认知的严重缺陷,对高风险应用场景构成警示。
论文幻觉基准测试模型评估知识边界AI安全

推荐理由:做AI安全或模型评估的团队,这个基准直接戳中了当前模型最致命的弱点——它们连“不存在的东西”都分不清,建议用PhantomBench测测自家模型。
原文
精选全部日报登录