Skip to content
Hot eventLive

论文测LLM州政策问答跨州替代错误

1 reports1 sources4 hr ago updated

Get the story

AI overview

该研究针对 LLM 回答美国州政策题时的错误类型提出测量问题：模型答错究竟是幻觉，还是返回了另一州的真实值。研究采用固定题干、仅变换司法辖区的最小集设计，覆盖美国 50 州与哥伦比亚特区共 51 个辖区，并选取三项 Medicaid 收入资格数值作为检验对象，以识别跨司法辖区的替换现象。论文发布于 arXiv Computation and Language，属一手研究报道。目前报道仅给出研究设计与覆盖范围，未公布具体错误率、涉及模型或替换结果等数据。

Generated from reports · updated 3 hr ago

LatestOct 8
新报道披露研究设计与覆盖范围：51 个辖区、三项 Medicaid 收入资格数值，检验跨州替换。

Timeline

Follow the coverage from different angles.

Oct 8, 2026
  1. arXiv · Computation and Language
    LLM 州政策回忆中的跨司法辖区替换测量

    研究以固定题干、仅变换司法辖区的最小集设计，覆盖美国 50 州与哥伦比亚特区共 51 个辖区及三项 Medicaid 收入资格数值，检验 LLM 答错州政策题时是模型幻觉还是返回了另一州的真实值。

Heat trend

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

02.557.510Oct8Oct8Oct8Oct8

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.