AI在历史知识领域显露短板：大型语言模型应对复杂历史问题力不从心

近期研究表明，人工智能在处理复杂历史问题上表现不佳。在NeurIPS会议上公布的研究中，OpenAI的GPT-4、Meta的Llama和谷歌的Gemini三款大型语言模型在历史知识测试中的准确率均较低，其中表现最佳的GPT-4 Turbo准确率仅为46%。研究指出，这些模型在基本史实方面表现尚可，但在深入历史研究时力不从心，且在处理特定地区历史问题时表现更差，反映出训练数据可能存在的偏差。然而，研究团队对AI在历史研究中的应用前景仍持乐观态度，并正在改进测试基准以开发更优秀的模型。

研究人员认为，AI在处理细微历史细节时力不从心，倾向于从主流历史叙事中进行推断，这限制了其在历史领域的准确性。尽管AI在某些专业领域尚无法取代人类专家，但研究团队仍在努力改进，以期提升AI在历史研究中的表现。