研究检验七款前沿模型概率判断是否满足全概率定律

Peter Potash 发表研究，零样本检验七款前沿语言模型在潜在变量需从上下文记录推断时，其概率判断是否满足全概率公式 P(X)=ΣzP(z)P(X|z)。 结果显示各模型一致性存在差异：GPT-6.1 Sol 与 Claude Opus 5.5 的平均绝对残差最低，分别为 0.08 和 0.12 log-odds，在受测模型中表现最佳。研究涉及的其他模型包括 Claude Haiku 5.5、Gemini 3.8 Flash、DeepSeek V4-Pro 等。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。