GPT-5和Gemini-3通过推理找回丢失的事实

一项由谷歌研究和技术学院的研究人员进行的新研究表明，大型语言模型（LLM）在处理事实时往往不是因为缺少知识而是由于回忆能力不足。实验显示，GPT-5和Gemini-3等前沿模型能够编码95%至98%的测试事实，但直接召回这些已编码的事实却存在困难。研究团队提出了一种新的评估方法——知识剖析，通过这种方法可以区分模型是否已经编码了某个事实以及能否在不同条件下查询到该事实。他们发现，增加模型大小或数据量并不能解决所有问题，而是在推理时提供额外的计算资源可以帮助找回大部分已编码但未被直接访问的事实。这项研究为开发人员提供了新的思路，在构建更可靠的应用时不必依赖更大的模型或外部数据库。