MirageBench 基准测试发布
个性化幻觉：LLM 如何编造用户画像，以及为何自我监控会误导
7 DAYS
本事件热度走势
当前热度 10峰值 10（8月6日 11:00）近24小时变化 —
移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。
TIMELINE
1 条公开报道 · 官方一手 0 条 · 最新在前报道时间线
- 个性化幻觉：LLM 如何编造用户画像，以及为何自我监控会误导
一项新研究揭示，个性化大语言模型普遍存在过度推断（OI）现象，即编造超出证据支持的用户属性。在 MirageBench 基准测试中，12 个模型均有 35%–49% 的推断被判定为虚构（均值 41.6%）。更关键的是，模型自我评估的 OI 与外部评测结果呈负相关（rho = -0.60），表明自我报告的可信度是误导性信号，外部验证才是更可靠的个性化基础。