📌 📄 内容摘要:
yjian zhu 在 AA-Omniscience: Knowledge and Hallucination Benchmark 是否公正？ 中发帖
由于Artificial Analysis benchmark的多模态科学幻觉这个benchmark中，deepseek得分非常低，另外小米mimo，glm，qwen，grok这几个模型得分异常高。社区中有人开始对此提出质疑？第一眼看上去确实有刷分的可能，毕竟这个benchmark完全是AA平台自己的数据集。
这里我出了一道物理学的前沿科学题目
在量子引力理论的前沿研究中，‘哈特尔-霍金-彭罗斯纠缠熵’ (Hartle-Hawking-Penrose Entanglement Entropy) 主要是用来解决黑洞的哪一个具体信息悖论？它的数学推导公式中，边界条件引入了什么常数？
结论是，deepseek在这类问题上确实有着超过其他模型的幻觉。
────────── 链接信息 ──────────
🔗 论坛链接: linux.do
📎 访问地址: https://linux.do/t/topic/2110414/1
─────────────────────────────
📢 来源：LINUX DO
