新榜单专量AI答不上时敢不敢说不知道

AI 模型答不上来的时候会硬答，这件事现在有榜单专门量了。Artificial Analysis 新出的叫 AA-Omniscience，核心是一套净分算法。 它这么算：答对加分，答错扣分，但模型如果老实说不知道，不扣分。这跟以往只看答对率的榜单不一样。它逼着模型在「不确定」时做个选择，是硬着头皮猜，还是承认不知道。 榜单还单独给了两个数。一个是幻觉率，衡量模型不知道正确答案时有多大比例会编一个出来。另一个是净分。两个一起看才有意思，因为一个模型完全可以说不知道来刷低幻觉率，但那样净分也上不去。 我自己用模型时最烦的就是这个。问它一个偏门问题，它不吭声说不会，反而一本正经编出个答案，还带细节。等你发现不对，时间已经搭进去了。硬答率高的模型，用起来心里总得存个疑。 真正值得琢磨的是这套计分背后的取向。它等于在告诉厂商：光把准确率做高不够，还得让模型知道自己的边界在哪。一个敢说「我不知道」的模型，比一个什么都敢答的更可信。 我不太会拿单一榜单当结论，因为净分权重和题目怎么选都会左右结果。但从转述的名单看，DeepSeek、MiniMax、OpenAI 的 GPT、GLM、Kimi 都在榜上，各家硬答的脾气差得挺远。