pseudo-science

本文测试了不同LLM系列在不同时间和界面上如何评估族裔民族主义伪科学，发现认知立场取决于部署配置而非稳定的模型属性，引发了关于认知问责性的关切。

PseudoBench 是一个基准测试，用于评估基于 LLM 的智能自动研究系统能否抵御伪科学叙述。对七款最先进的智能体进行测试后发现，它们极易生成具有说服力的伪科学报告，且拒绝率接近于零，这要求在部署前进行科学对齐。