六款前沿模型作者年龄误判行为案例研究

2026年10月26日，arXiv cs.CL 刊出一项行为案例研究，考察六款前沿语言模型能否根据手写答卷推断作者年龄。研究让 Claude Fable 5、Gemini 3.1 Pro、GPT-5.6 Sol、Grok 4.5、GPT-4o 与 DeepSeek V4 分别为三份手写答卷匹配作者年龄。结果显示，其中三款模型的准确率接近随机水平（1/3），即与胡乱猜测无异，但它们给出的平均置信度却高达 73% 至 88%。研究据此指出模型在作者年龄判断上存在误判与置信度失准的问题。目前该研究以预印本形式发布，报道未披露另外三款模型的具体表现及样本细节。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。