待验证60% 置信事实精确时间

Kosinski（2023）的研究显示GPT-4在标准错误信念任务中表现接近人类

2

来源数

60%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

别看跑分！四个实测标准帮你判断大模型真实水平

bilibili鲲鹏AI探索局2026/7/6

相关事实

待验证GPT-4、Gemini、Grok 等主流大模型均被研究者记录过产生幻觉的行为74% 相似待验证纽约大学的塔尔·乌尔曼等研究者通过对经典心智理论测试进行微小修改，发现GPT-4的表现急剧下降，表明模型可能是在进行表面级模式匹配73% 相似待验证GPT-4等大模型在CTF题目中展现出一定的漏洞分析能力，但在真实世界复杂代码库中的准确率仍远低于人类专家72% 相似待验证2023年多项学术研究证明GPT-4、Claude等主流大模型均对提示注入攻击存在不同程度的脆弱性70% 相似待验证即使GPT-4级别的模型也无法从根本上消除幻觉70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/426483

API

curl https://kongchang.com/api/v1/knowledge/claims/426483

MCP

get_claim(id=426483)