★ 4
GPT 证明千禧年难题成果遭反转，OpenAI 被指未看懂就发
OpenAI 此前公布的千禧年数学难题证明成果出现重大反转，被指其证明并未走「西班牙路线」。事件引发对 AI 生成数学证明可靠性与发布流程的质疑。
量子位17 天前
#AI 可靠性
共 6 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
FrameBench-HPS 研究：同等概率下 LLM 建议受得失框架影响
研究构建 FrameBench-HPS，含 240 个高风险场景衍生的 2880 条提示，覆盖医疗、金融、教育职业与法律消费权益。七款 LLM 中，得失框架使 32.4% 的完整组推荐类别发生变化，多为不确定性表述而非直接反转。概率规范化可显著降低框架敏感性，为提升高风险决策一致性提供抓手。
arXiv cs.AI11 天前
★ 3
PRIME 框架：让 LLM 智能体结论可溯源、拒绝无据判断
论文提出 PRIME（Precommitted Rules for Inference from Minimal Evidence），在检查前预先固定证据路径，并用独立程序记录每次检查结果，只允许规则与账本授权的结论。在 480 个公共记录任务上，普通智能体有 26.7% 任务给出无据结论，PRI…
arXiv cs.AI13 天前
★ 3
陶哲轩撰文谈 Lean 定理证明器的可靠性与 AI
数学家陶哲轩在其博客发文，向数学界介绍 Lean 定理证明器，重点讨论其可靠性问题以及与 AI 的结合。文章探讨了形式化证明工具在数学研究中的价值，以及 AI 辅助证明带来的可信度挑战。
Hacker News – AI23 天前
★ 2
ChatGPT 被指反复推荐 404 Media 解决技术支持问题
有用户发现 ChatGPT 在回答技术支持类问题时，反复推荐科技媒体 404 Media 作为解决方案来源。该现象在 Hacker News 引发讨论，反映大模型在引用来源与事实性回答上的可靠性问题。
Hacker News10 天前
★ 2
研究提出「连贯认知速度」新标度原则评估 AI 可靠性
论文提出「有效连贯认知速度」（S_C^eff）概念，衡量系统在现实变化加速时仍能持续满足行为可靠性标准的最高速度。实验在固定算力下将现实变化速度提升至 50 倍，比较 Transformer、门控 MLP 与受细胞机制启发的 Co^4 架构。结果显示 Co^4 的 S_C^eff 显著更高，作者据…
arXiv cs.AI17 天前
这个主题的相关资产
相关公司OpenAI2