热点事件持续更新
研究揭示LLM在RAG中存在从众偏差
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年11月2日，发表于arXiv的一项自然语言处理研究显示，大语言模型在检索增强生成（RAG）场景中存在“从众偏差”。当投毒文档占据检索证据的多数时，模型识别错误信息的能力显著下降。针对SciFact数据集的200个问题测试显示，Gemma-3-12b模型的投毒检出率从少数文档被投毒时的25%（50/200）降至多数文档被投毒时的10%（20/200）。在结果发生改变的38个问题中，有34个由检出转变为未检出（p = 6.04e-7），证实了多数派证据对模型判断的显著干扰。
AI 根据报道生成 · 3 小时前更新
最新进展11月2日 13:00
研究显示多数投毒文档会触发LLM从众偏差，使Gemma-3-12b检出率降至10%。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv 自然语言处理大语言模型在 RAG 中表现出从众偏差：当多数文档支持投毒主张时
研究发现大语言模型在 RAG 中存在从众偏差，当投毒文档占据检索证据多数时识别错误信息的能力显著下降。针对 SciFact 的 200 个问题测试显示，Gemma-3-12b 的投毒检出率从少数投毒时的 25%（50/200）降至多数投毒时的 10%（20/200）。在结果改变的 38 个问题中，有 34 个由检出变为未检出（p = 6.04e-7）。
本事件热度走势
当前热度 9·可比范围峰值 10（11月2日 14:00）·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。