CiteVQA 揭示 AI 模型來源歸因錯誤
研究人員推出 citevqa，顯示 gpt-5.4 雖然回答正確率達 87.1%，但在需引用精確來源時跌至 59%。
citevqa 在 711 篇 pdf 文件中評估了 1,897 個問題的 20 個模型，需要精確的證據標記而非僅頁碼。 gemini-3.1-pro-preview 獲得 76 分，而 gpt-5.4 因引用錯誤跌至 59 分。開源模型得分低於 23 分。研究結論指出，定位正確的文件段落是視覺文件理解的主要瓶頸。
研究人員推出 citevqa，顯示 gpt-5.4 雖然回答正確率達 87.1%，但在需引用精確來源時跌至 59%。
citevqa 在 711 篇 pdf 文件中評估了 1,897 個問題的 20 個模型，需要精確的證據標記而非僅頁碼。 gemini-3.1-pro-preview 獲得 76 分，而 gpt-5.4 因引用錯誤跌至 59 分。開源模型得分低於 23 分。研究結論指出，定位正確的文件段落是視覺文件理解的主要瓶頸。