跳到正文
原文
Google Research Blog·· 2026-08-12精选AI 评分68

Google Research提出知识画像方法,揭示前沿LLM事实召回瓶颈

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,用2,150条Wikipedia事实分析13个LLM的编码、召回和识别能力。实验显示,Gemini-3-Pro和GPT-5虽有95–98%的事实完成编码,却仍无法直接召回26–34%的已编码事实;思考可恢复约40–65%的此类事实。研究认为,事实性瓶颈正从知识获取转向知识利用。

推荐理由

文章用知识画像区分事实的编码、召回与识别,并以13个LLM的大规模实验说明前沿模型的瓶颈更多在知识调用,适合评估改进方向。

来源:Google Research Blog · research.google