arXiv · cs.AI · Unnati Shah, Samruddhi Kakade, Aum Patel · 10 小时前模型评分50
研究：大语言模型（LLM，Large Language Model） 评审在修订记录不完整时漏检失效文档引用
What Do LLM Judges Actually Verify? Matched Controls and Record Gaps for Document Currency
导读
一项研究用 IETF RFC 索引的 48 条替换记录测试大语言模型（LLM，Large Language Model）评审能否核查文档引用是否仍有效。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “LLM judges often check, against an amendment record, whether the documents an answer cites are still in force.”
- “we release the harness”
来源：arXiv · cs.AI · arxiv.org