科学家发现多数大语言模型测试标准存在缺陷，无法客观给出评分
牛津大学等机构研究发现，多数大语言模型测试标准存在方法论缺陷，如术语模糊、数据采样不当等，导致AI进步难以客观衡量。研究建议明确定义目标、防止数据污染等改进措施。#AI测试标准##大语言模型#
排序
微软：AI 聊天机器人越聊越“笨”，主流大模型在多轮对话中成功率降至 65%
微软与赛富时联合研究发现，主流大模型在多轮对话中成功率从90%骤降至65%，出现“迷失会话”缺陷。模型并非智力下降，而是变得不稳定，容易因过早生成、答案膨胀等机制累积错误。这对依赖AI构建复杂对话的开...