记忆还是上下文：一次事实冲突测试为什么会随问法翻转
31 个模型、六类事实与五种提问模板，区分参数知识和实验测量
这项研究向模型提供与已知事实冲突的短文本，检查回答更接近参数记忆还是眼前上下文。模型规模、事实频率、问法和填充文本都影响结果；最值得关注的是，同一模型的“偏好”会因测量模板大幅翻转，不能把单次冲突测试当成稳定知识属性。
Guilhem Fouilhé 等阅读简报
2026.09.23 简报
每日研究 · 覆盖 2026.09.11 — 2026.09.23
以下为当期记录；研究详情页展示最新已核对信息。
3 项工作
语言通信瓶颈：模型说对了，另一个模型能还原吗
用表达式往返实验拆开生成、理解和共享协议
作者把算术表达式交给一个模型写成英语，再让另一个模型恢复表达式，用符号等价检查信息是否保住。自然语言的歧义会造成角色相关的错误；结构化协议和微调有帮助，但论文的生成端故障归因仍只是模型面板启发式。
Apple · Xavier Suau 等阅读简报
SWE-Proof：通过证明检查，为什么仍可能修错代码
规格、程序映射、隐藏测试与审计是四条不同的信任边界
SWE-Proof 为真实仓库修复任务构建形式化规格与参考实现，并分别检验补丁、证明和语义对应。它最有价值的发现是“证明了错误抽象”仍会失败；当前预印本部分正文与附录数字不一致，本篇侧重可核对的方法及案例，不据此给模型排确定名次。
UC Berkeley、Amazon 等 · George Ma 等阅读简报
人物与观点
0 条该期没有收录这个领域的人物动态。