「AI研究结论的保质期」

AI 导读

一条微博帖子，介绍斯坦福一项追踪研究：回看 50 个被广泛引用的 LLM 结论、覆盖 20 个模型，按统一指标追踪到 2026 年 9 月，结果为 44% 的结论已「过期」、34% 明显减弱、16% 稳定延续、6% 反而更强。帖子称最先消退的多为能力短板（如编造参考文献、长上下文中间信息丢失、被追问后放弃正确答案、基础计数与非常规算术出错），相对更顽固的是偏好与判断层面的倾向（如迎合用户、评审偏爱自己的答案）；能力性缺陷平均约 15 个多月滑入「过期区」。帖子据此提出讨论大模型需绑定具体模型、版本与日期。适合关注 LLM 评测、基准可靠性及据此制定风控或政策的人阅读。