研究构建法语输入变体基准评测 LLM 准确率与可靠性
原文标题：Small Edits, Shifting Decisions: Benchmarking LLM Accuracy and Reliability on French Input Variants
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文构建受控法语表层变体基准，覆盖七类任务、4200 组原始-低-高三元组共 12600 条输入，评测两个模型家族的六个模型。结果显示扰动强度越高准确率越低、Brier 分数与负对数似然越差；键盘拼写错误造成最大损失。在原始输入上拟合的校准温度可有效迁移到变体，校准与输入还原结合可进一步改善可靠性。
- 问题
- 法语用户常省略撇号、变音符号或打错键盘，模型准确率与置信可靠性受影响程度不明。
- 方法
- 构建 4200 组原始-低-高三元组共 12600 条输入的受控基准，跨七类任务评测六模型并检验校准迁移。
- 结果
- 扰动越强准确率越低、Brier 与 NLL 越差；键盘拼写错误损失最大；原始输入拟合的校准温度可迁移到变体。
- 影响
- 做多语言输入鲁棒性时，拼写纠错与温度校准应作为标配，且模型变大不必然改善概率质量。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。