跨模型复核未显示优于同模型新会话复核

一项基于arXiv摘要的受控实验比较了大语言模型生成内容的同模型新会话复核（CCR）与跨模型复核：在30份含150个预设错误的材料、10种条件和900次复核会话中，顶级跨模型复核模型的F1与CCR无显著差异，但这不证明两者等效；两者发现的错误仅部分重合，Jaccard相似度为41.2%。 两次复核时，一次CCR加一次跨模型复核发现的预设错误比例为56.7%，高于两次CCR的42.7%；但与顶级跨模型模型独立复核两次相比无显著优势，因此实验尚未分离“模型不同”和“复核模型能力更强”的影响。

AI 根据报道生成 · 22 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。