67%事实核查上分岐：前沿LLM在现实世界撒谎？
深度The New Stack2026年5月30日6 分钟阅读
一项最新研究显示，GPT-5.4、Claude Opus 4.7、Gemini 3 Pro等五款前沿大语言模型对67%的真实世界事实核查声明存在分歧。这意味着在涉及法律、金融等高风险场景时，单一模型的输出可能不可靠，开发者需要额外的验证机制。
觉得有用？分享给更多人
相关文章
Black Forest Labs 推出 FLUX 3，统一多模态模型，视频生成超越多个竞品，并开源 FLUX-mimic 用于机器人控制。同时，The Stack v3 数据集发布，蒸馏政策争议持续。
深度Latent Space·7月24日·8 分钟
本文采访了多位进攻型网络安全研究员，探讨AI公司的安全护栏如何影响他们发现漏洞和开发利用工具的工作。研究员们普遍认为护栏过于严格且不一致，迫使部分人转向国产开源模型。
深度·7月24日·6 分钟