★ 3
研究测试语言模型能否识别科学结论间的矛盾
研究考察语言模型在判断两项科学发现是否真正冲突时的行为。在受控 XOR 约束任务中，GPT-5.6 Sol 与 Claude Opus 5 直接处理约束时准确率高达 90% 和 96%，但换成科学论文表述后表现分化：Claude Opus 5 常偏向符合生物学预期的结论。结果表明可靠的科学验证不仅…
arXiv cs.AI32 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究考察语言模型在判断两项科学发现是否真正冲突时的行为。在受控 XOR 约束任务中，GPT-5.6 Sol 与 Claude Opus 5 直接处理约束时准确率高达 90% 和 96%，但换成科学论文表述后表现分化：Claude Opus 5 常偏向符合生物学预期的结论。结果表明可靠的科学验证不仅…