迭代式Agent事实核查首轮纠错后趋于平台期

burny_tech 开展了一个基于网页搜索的迭代式 Agent 事实核查最小实验：事实核查 agent 对一段人工注入错误的 STEM 文本进行纠错后，准确率约从40%升至85%—90%，但后续各轮变化不大，显示纠错在第一轮后基本进入平台期。 实验采用 Codex 中最弱模型，评判模型虽可访问标准答案仍会幻觉，且数据仅有一段文本，因此结果尚不能代表更大规模场景。burny_tech 建议扩大评测规模，并探索用 Lean 证明编译验证等可验证方式进行事实核查。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。