跳到正文
原文
Google Research·· 2026-08-12精选AI 评分66

Google Research 提出知识画像框架:大模型事实性瓶颈在于检索而非编码

Empty shelves or lost keys? Recall is the bottleneck for parametric factuality

AI 导读

Google Research 提出知识画像框架与 WikiProfile 基准,指出前沿大语言模型的事实性瓶颈已从知识编码转向知识检索。评测显示 Gemini-3-Pro 与 GPT-5 等前沿模型已编码 95%–98% 的事实,但仍有 26%–34% 的事实无法直接检索。开启思考机制能够找回 40%–65% 已编码却无法直接检索的事实,显著缓解长尾事实检索困难与反向诅咒现象。

推荐理由

原文通过实验证明前沿模型的事实错误主要源于检索障碍而非参数缺失,为利用思考机制和后训练改善知识调用提供了新视角。

来源:Google Research · research.google