热点事件持续更新
研究评测LLM政策召回中的跨辖区替换错误
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月8日，arXiv发布的研究评测了大语言模型在召回美国51个辖区医疗补助资格政策时的跨辖区替换错误。测试显示，在153项测试中，Claude Sonnet 5.5与GPT-5.6 Sol分别在10项和25项中可复现地输出了其他州的真实数值。研究同时指出，许多被判定为跨辖区替换的数值实际上属于目标州的历史旧值或不同口径数据，若缺乏完整的同州参考集，跨辖区替换判定的发生率会被高估3至5倍。
AI 根据报道生成 · 7 小时前更新
最新进展10月8日 12:00
研究显示LLM政策召回存在跨辖区替换现象，但缺乏同州参考集会导致判定被高估3-5倍。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 自然语言处理数字正确但辖区错误？评测 LLM 政策召回中的跨辖区替换
最新研究评测了大语言模型在召回美国 51 个辖区医疗补助资格政策时的跨辖区替换错误。在 153 项测试中，Claude Sonnet 5.5 与 GPT-5.6 Sol 分别在 10 项和 25 项中可复现地输出了其他州的真实数值。研究指出许多数值实为目标州的历史旧值或不同口径数据，若缺乏完整同州参考集，跨辖区替换判定会被高估 3-5 倍。
本事件热度走势
当前热度 8·可比范围峰值 10（10月8日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。