研究显示：AI模型大多数时候无法就基本事实达成一致

Crypto Insight 总结： Decrypt网站重点报道的一项新研究显示，主流AI语言模型在回答基本事实性问题时，大多数时候都无法达成一致，这引发了人们对这些系统可靠性的担忧。该研究对多个AI模型在简单事实陈述上的表现进行了测试，结果发现它们之间很少能达成共识，不同模型对相同提示经常给出相互矛盾的答案。研究结果表明，尽管AI工具越来越多地应用于搜索、新闻报道和决策过程中，但用户无法依赖其输出的一致性或准确性。研究人员指出，训练数据、模型架构和对齐方法的差异可能是导致这种广泛分歧的主要原因。这项研究强调，将任何单一AI模型视为真理的最终来源都存在风险，并突显了在使用这些工具时进行事实核查和交叉验证的必要性。这项研究对那些利用AI进行信息检索的行业也有启示，因为不一致的答案可能会削弱用户的信任。报告呼吁AI开发者提高透明度，公开已知的局限性以及出现事实性错误的概率。总体而言，这项研究进一步证明，当前的生成式AI系统在基本知识方面缺乏一个共享的、可靠的基础。 Crypto Insight 点评： 方向：中性 影响：轻微影响 周期：短期（1-3天） 理由：AI可靠性问题可能降低对AI驱动加密工具的机构信任。