arXiv · AI· Unnati Shah, Samruddhi Kakade, Aum Patel·· 7 小时前AI 评分31
LLM 评审在记录缺失下实际校验什么？文档时效性的匹配对照与缺口
What Do LLM Judges Actually Verify? Matched Controls and Record Gaps for Document Currency
AI 导读
研究显示，当参考记录存在链接缺失故障时，大模型 LLM 评审仅依赖文本捕获率显著高于依赖记录，Gemini 3.1 Pro 达 23/24，而记录可用时仅 1/24。
来源：arXiv · AI · arxiv.org