Google Research·· 2026-08-12精选AI 评分73
Google Research 论文指出召回困难是大模型参数化事实性的核心瓶颈
Empty shelves or lost keys? Recall is the bottleneck for parametric factuality
AI 导读
Google Research 提出知识画像框架与 WikiProfile 基准，发现前沿大模型的事实性错误主要源于提取召回失败而非知识未被编码。评估显示 Gemini-3-Pro 与 GPT-5 的事实编码率达 95%–98%，但直接召回失败率达 26%–34%。
推荐理由
研究将大模型事实错误归因从知识未存储转向提取困难，为通过推理计算恢复参数记忆提供了实证支持。
来源：Google Research · research.google