evidence-integration

该论文提出“多证据整合差距”概念，发现视觉语言模型（如Gemma-3-27B）能正确恢复所有局部事实，但在需要联合约束满足的任务上全局有效率极低（仅19.75%），并通过隐藏态探针和激活替换实验揭示了跨层深度的可干预性。

本文介绍了一个基准测试，用于研究大型语言模型如何仲裁来自文本和数字来源的冲突证据，发现模型使用启发式策略，并偏向于近期性和外部工具。

OpenAI 在 Codex 中推出的全新生命科学模型“GPT-Rosalind”通过协调多个专业子代理，将遗传学、转录组学、安全性和知识产权数据融合为单一证据支持的决策，自主对哮喘药物靶点进行排序。