研究显示开源大模型训练语料中被撤回论文仅7.7%段落提及撤稿

一项针对开源模型 OLMo 2 训练数据的测试发现，在其频繁接触的 291 篇被撤回论文对应段落中，仅 7.7% 提及了撤稿信息。研究团队在 Zenodo 与 arXiv 上公开的数据集评测表明，peS2o 语料中约 12,200 篇被撤回论文有 79% 未标注撤稿，导致受测的 5 个大语言模型在无辅助文档提问时有 45% 的概率给出错误版本。