热点事件观察中
研究提出评估商业大模型外部搜索决策的新基准
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年11月2日，arXiv发布的一项研究构建了包含400道选择题的新基准，用以评估五款商业大语言模型何时依赖内部记忆回答或触发联网搜索。测试结果显示，各模型在搜索触发决策上差异显著：GPT-5 mini与Grok 4 Fast表现出高选择性，在超过90%的外部知识问题上触发搜索，内部知识问题仅触发1%；而Mistral Small在外部知识问题上的搜索率仅有20%。此外研究指出，在缺少显式时间线索时，高选择性模型的NAS动作得分会从约0.72下降至0.57到0.58。
AI 根据报道生成 · 1 小时前更新
最新进展11月2日 13:00
新基准测试显示GPT-5 mini与Grok 4 Fast搜索触发精准，但缺少时间线索会显著降低模型表现。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.AI自信的愚者还是审慎的检索者？LLM 联网搜索行为研究
一项针对五款商业 LLM 的研究构建了包含 400 道选择题的基准，评估模型何时依赖内部记忆回答或触发联网搜索。结果显示 GPT-5 mini 与 Grok 4 Fast 在超 90% 的外部知识问题上触发搜索，内部知识仅 1%；Mistral Small 外部问题搜索率仅 20%。缺少显式时间线索时，高选择性模型的 NAS 动作得分会从约 0.72 降至 0.57-0.58。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。