大型语言模型是怀疑论者：输入冲突幻觉的假阴性问题

在本文中，我们识别出一类新的偏差，它会导致输入冲突幻觉，即大型语言模型（LLM）生成的响应与输入上下文的内容不一致。我们将此问题称为假阴性问题，指的是LLM在根据上下文评估陈述正确性时，倾向于给出否定判断的现象。在涉及包含相同信息但事实方向相反的陈述对的实验中，我们观察到LLM表现出对假阴性的偏好。具体而言，模型在回答“假”时表现出更高的过度自信。此外，我们分析了假阴性问题与上下文及查询重写之间的关系，并观察到两者都能有效解决LLM中的假阴性问题。