认知不确定性

研究者提出BayesBench基准，首次系统评估大语言模型在多轮对话中能否像理性贝叶斯推理者那样更新信念。研究发现模型规模提升有助于潜在变量推断，但推断能力不一定能转化为理性的下游预测。

研究通过跨模型归因差异分析发现，大语言模型在结构化临床数据任务中难以识别自身知识边界，其口头置信度与真实准确性脱节。