斯坦福大学最新研究显示，包括ChatGPT、Claude、DeepSeek和Gemini在内的24款主流AI语言模型在区分用户信念与客观事实方面存在显著缺陷。研究团队通过13,000个问题测试发现，模型在面对“我相信……”类陈述时，识别虚假信念的能力明显弱于真实信念，较新模型识别准确率下降34.3%。GPT-4o在特定任务中准确率从98.2%骤降至64.4%，DeepSeek R1更跌至14.4%。论文强调，知识必须基于真实，而当前多数模型缺乏对此的稳健理解，尤其在法律、医学等高风险领域应用可能引发严重误判。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。