研究总结说，LLM必须能成功区分事实与信念的细微差别及其真假，从而对用户查询作出有效回应并 防止错误信息传播。 （文章来源：科技日报） 团队分析了24种LLM（包括DeepSeek和GPT-4o）在13000个问题中如何回应事实和个人信念。当要求它 们验证事实性数据的真或假时，较新的LLM平均准确率分别为91.1%或91.5%，较老的模型平均准确率 分别为84.8%或71.5%。当要求模型回应第一人称信念（"我相信……"）时，团队观察到LLM相较于真 实信念，更难识别虚假信念。具体而言，较新的模型（2024年5月GPT-4o发布及其后）平均识别第一人 称虚假信念的概率比识别第一人称真实信念低34.3%。相较第一人称真实信念，较老的模型（GPT-4o发 布前）识别第一人称虚假信念的概率平均低38.6%。 团队指出，LLM往往选择在事实上纠正用户而非识别出信念。在识别第三人称信念（"Mary相 信……"）时，较新的LLM准确性降低4.6%，而较老的模型降低15.5%。 在最新一期《自然·机器智能》发表的一篇论文中，美国斯坦福大学研究提醒：大语言模型（LLM）在 识别用户错误信念方面存在明显局限性，仍无法可靠区分信 ...