★ 3
新基准审计 GPT-5 mini、Grok 4 Fast 等模型何时触发联网搜索
论文构建 400 道选择题基准，区分模型应直接作答的内部知识与应触发搜索的外部知识，并定义 NAS、KIS 两项动作级评分。测试显示 GPT-5 mini 与 Grok 4 Fast 在超 90% 外部知识题上搜索、仅 1% 内部知识题搜索，而 Mistral Small 仅搜索 20% 外部知识…
arXiv cs.AI4 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文构建 400 道选择题基准，区分模型应直接作答的内部知识与应触发搜索的外部知识，并定义 NAS、KIS 两项动作级评分。测试显示 GPT-5 mini 与 Grok 4 Fast 在超 90% 外部知识题上搜索、仅 1% 内部知识题搜索，而 Mistral Small 仅搜索 20% 外部知识…