标签
这篇 arXiv 论文提出了一项预注册评估，用于衡量大模型在回忆美国各州医疗补助计划（Medicaid）政策事实时出现的跨州替换现象。研究发现，Claude Sonnet 5.5 和 GPT-5.6 Sol 会可复现地返回属于其他州的真实数值；同时研究表明，如果不完整核对所询问州的参考值，朴素的归因方法会将这类错误夸大数倍。