★ 3
研究揭示 LLM 州政策问答跨州替换错误
论文用最小集设计测试 LLM 回答美国各州医疗补助资格政策时的错误，发现 Claude Sonnet 5.5 与 GPT-5.6 Sol 会稳定给出其他州的真实数值。研究指出跨辖区错误归因脆弱，需完整同州参照集才能判断，并将公开协议、金标准表与全部模型输出。
arXiv NLP25 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文用最小集设计测试 LLM 回答美国各州医疗补助资格政策时的错误，发现 Claude Sonnet 5.5 与 GPT-5.6 Sol 会稳定给出其他州的真实数值。研究指出跨辖区错误归因脆弱，需完整同州参照集才能判断，并将公开协议、金标准表与全部模型输出。