六款前沿模型作者年龄误判案例研究

Brianne Lee 发表了一项行为案例研究，考察 Claude Fable 5、Gemini 3.1 Pro、GPT-5.6 Sol、Grok 4.5、GPT-4o (2024) 和 DeepSeek V4 六款模型在判断作者年龄时出现的误判、置信度失准以及自我解释不纠错现象。 作者称，该研究只包含三个条目，且只涉及单一主题和单一语言，目的是分离出其中的机制，而不是估计总体偏差率。数据、代码和模型原始输出已公开。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。