研究：AI智能体论文数字多为来源错配

Mosab Alfaqeeh等作者发布arXiv预印本，重新分析某公开AI研究智能体基准的全部540条已发布判定，并人工标注18份提交中的256条数字主张，结论是失败集中在论文与底层工作之间的对应关系，而非公然造假。 作者同时提出一个确定性核查器：其规则在标注前固定，对盲审标注者的判定精确率超过90%（85条中78条，Cohen's kappa=0.89），但只覆盖部分主张；多数未能验证的主张仍可溯源，因此未通过验证不等于造假。作者称，在相同证据下，大模型核查器能找回更多可溯源主张，但接受的错配主张约为前者的三倍，两者宜配合使用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。