ArXiv 研究评测 GPT-5、Claude 4.5 等聊天机器人处理新闻事实时的可靠性差异

研究团队针对 GPT-5、Claude 4.5、Gemini 3 等模型进行跨语言新闻事实测试，发现模型虽然在选择题中表现较强，但在自由问答与虚假前提问题上仍容易出现检索偏差与事实幻觉。