qwen-3-4b

本文在Qwen3-4B上跨越7个数据集评估了Anthropic的J-Space幻觉检测方法，发现该方法在捕捉事实检索中的高置信度错误方面有效，但对内化的虚构内容视而不见，并且在阈值无法迁移的数学任务上失效。