大语言模型如何利用认识论线索：证据判定的基准与干预研究

研究通过 500 个场景、五条互补赛道评测 13 个 LLM，发现模型对来源可靠性的识别几乎一致，但来源历史被替换时影响从可忽略到完全反转不等。对三个 Qwen 检查点干预显示，事实复述提升两个 27B 模型的可靠性敏感度，叠加加权原则后再增 39.2 和 47.2 个百分点，9B 模型则改变证据谱系敏感度，验证态准确率全程保持 100%。