ArcticQA 基准发布：评测 LLM 北极科学弃答能力
原文标题：Arctic Questions, Missing Answers: A Dataset and Benchmark for LLM Abstention in Arctic Science
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。
研究者发布 ArcticQA 数据集与 ArcticAbstain 配对基准，用于评测 LLM 在无正确答案时是否应弃答。对 Gemini、Claude、ChatGPT 家族八个模型的 9312 次测试显示，答案存在时弃答率从 0% 到 63% 不等，替换正确答案后平均仅提升 5.05 个百分点。
- 问题
- LLM 在科学选择题无正确答案时是否应弃答，以及如何区分「爱弃答」与「真敏感」。
- 方法
- 构建 ArcticQA 数据集与 ArcticAbstain 配对基准，对比答案存在与答案被替换为干扰项两种条件。
- 结果
- 八个模型 9312 次响应中，答案存在时弃答率 0%–63%；替换正确答案后弃答率平均仅升 5.05 个百分点。
- 影响
- 提醒评测弃答能力不能只看弃答率，需联合衡量对答案可用性的响应，适合做 RAG/问答可信度的团队。
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。