在最新一期《自然·機器智能》發表的一篇論文中，美國斯坦福大學研究提醒：大語言模型（LLM）在識別用户錯誤信念方面存在明顯侷限性，仍無法可靠區分信念還是事實。研究表明，當用户的個人信念與客觀事實發生衝突時，LLM往往難以可靠地作出準確判斷。

這一發現為其在高風險領域（如醫學、法律和科學決策）的應用敲響警鐘，強調需要審慎對待模型輸出結果，特別是在處理涉及主觀認知與事實偏差的複雜場景時，否則LLM有可能會支持錯誤決策、加劇虛假信息的傳播。

團隊分析了24種LLM（包括DeepSeek和GPT-4o）在13000個問題中如何迴應事實和個人信念。當要求它們驗證事實性數據的真或假時，較新的LLM平均準確率分別為91.1%或91.5%，較老的模型平均準確率分別為84.8%或71.5%。當要求模型迴應第一人稱信念（“我相信……”）時，團隊觀察到LLM相較於真實信念，更難識別虛假信念。具體而言，較新的模型（2024年5月GPT-4o發佈及其後）平均識別第一人稱虛假信念的概率比識別第一人稱真實信念低34.3%。相較第一人稱真實信念，較老的模型（GPT-4o發佈前）識別第一人稱虛假信念的概率平均低38.6%。

團隊指出，LLM往往選擇在事實上糾正用户而非識別出信念。在識別第三人稱信念（“Mary相信……”）時，較新的LLM準確性降低4.6%，而較老的模型降低15.5%。

研究總結説，LLM必須能成功區分事實與信念的細微差別及其真假，從而對用户查詢作出有效迴應並防止錯誤信息傳播。（科技日報）