热点事件持续更新
研究提出惩罚框架下的无有效选项MCQA评估大模型弃权表现
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月7日，一项发表于arXiv的研究提出了惩罚框架下的无有效选项多项选择问答（MCQA）方法，用于评估大语言模型在所有选项均无效时的弃权（ABSTAIN）可靠性。研究人员基于MMLU-Pro数学子集移除了正确答案，并对强行作答设置了惩罚机制。实验结果显示，高MCQA准确率并不能保证模型的弃权可靠性；即使在存在明确提示和惩罚机制的情况下，大语言模型对于原本能够正确回答的问题，仍会出现强行选择无效选项的情况。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
研究提出惩罚框架下的无有效选项MCQA，发现高准确率模型在无正确答案时仍会强行选择无效选项。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 自然语言处理惩罚框架下的无有效选项 MCQA：分析大语言模型在无效选项下的弃权表现
一项研究提出了惩罚框架下的无有效选项 MCQA，用于分析大语言模型在选项均无效时的弃权（ABSTAIN）可靠性。基于 MMLU-Pro 数学子集移除正确答案并惩罚强行选择的实验表明，高 MCQA 准确率并不能保证弃权可靠性。即使在明确提示和惩罚机制下，模型对原本能正确回答的题目仍会强行选择无效选项。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。