热点事件观察中

arXiv论文评测LLM强对流天气指引中的虚假安抚

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Kadharmoideen Fadurudeen 在 arXiv 发布论文（arXiv:2611.05290），用 117 个基于美国国家气象局（NWS）真实预警构建的可重放案例，评测基于 Claude 的备灾 pipeline 中的「虚假安抚」问题，并发布了数据集、标签与代码。结果显示：接入真实预警的生产版 pipeline 虚假安抚率为 0.0%（0/66）；盲测中性提示词下达 37.7%，要求模型自述盲区时升至 44.9%，且所有案例均为隐性安抚。研究称接入真实预警可消除虚假安抚（McNemar p < 0.0001），但仅给预警数据会导致模型在 87.5% 的无预警对照上误报。

AI 根据报道生成 · 11 小时前更新

最新进展11月4日 02:04

LLM 强对流天气指引中的「虚假安抚」：基于真实 NWS 预警的可重放评测

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

02:04
arXiv · cs.AI
LLM 强对流天气指引中的「虚假安抚」：基于真实 NWS 预警的可重放评测
一项 arXiv 研究用 117 个基于美国国家气象局（NWS）真实预警构建的案例，评测基于 Claude 的备灾 pipeline 中的「虚假安抚」问题。生产版 pipeline 虚假安抚率为 0.0%（0/66），盲测中性提示词下达 37.7%，要求模型自述盲区时升至 44.9%，且所有案例均为隐性安抚。接入真实预警可消除虚假安抚（McNemar p < 0.0001），但仅给预警数据会导致模型在 87.5% 的无预警对照上误报；研究团队发布了数据集、标签与代码。

本事件热度走势

可比范围当前: 4
可比范围峰值: 511月5日 03:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。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。