09:31
官方一手arXiv: Anthropic@Paul Simpson, John Kozak, Lisa Doake
精选
推荐理由：这篇论文揭露了GPT-5.4和Claude在资格评估规则中会莫名崩溃，还给了个能稳定执行的神经符号方案，搞合规或应用LLM的得看看。
异常链崩溃
共 1 条相关 AI 资讯
7月28日
09:31
论文《Confidently Wrong》揭示前沿LLM在嵌套条件规则（如“要求A，除非B，除非C覆盖B”）的错误模式——异常链崩溃。GPT-5.4在建筑保险场景的准确率从96.6%突然升至100%（同一提示和测试框架），表明模型准确率边界不可控。作者提出Aethis Eligibility Module，由LLM从权威源编写规则、SMT层确定性执行。在225个跨领域场景基准中复现该模式，20个对抗场景中引擎与GPT-5.4（低推理努力）均获20/20，而其他三个前沿模型失败。在949个LegalBench任务中，引擎比三个前沿模型显著更准确（组合McNemar p≤0.003），最高领先Anthropic模型41个百分点。