Google Research·· 2026-08-12精选AI 评分70
Google Research 发现大模型事实性瓶颈在于回忆而非编码
Empty shelves or lost keys? Recall is the bottleneck for parametric factuality
AI 导读
Google Research 提出知识画像分析框架与 WikiProfile 基准，发现前沿大模型的事实性错误瓶颈主要在于知识回忆而非参数编码。评测显示 Gemini-3-Pro 与 GPT-5 的事实编码率达 95–98%，但直接回忆失败率仍有 26–34%，罕见事实与反向问题本质上属于提取受阻。
推荐理由
该研究指出前沿模型的事实错误主要源于提取障碍而非参数缺失，为通过推理与后训练提升事实性提供了明确切入点。
来源：Google Research · research.google