研究：搜索增强LLM常不读原文致答案过时

事件综述根据 1 篇报道整理，10月16日更新

伦敦帝国理工学院研究者 Owen Walters 在 arXiv 预印本中报告，搜索增强的大语言模型常直接依据搜索摘要作答、不打开来源页面，这与更高的过时答案率和不可靠引用相关。 研究构建了 225 条训练截止后发生变化的时间性事实，覆盖 FDA（62）、金融（52）、体育（47）、人物（43）、SEC（13）和化学（8）六个领域，并设置截止后未变化的对照事实。评估对象为 GPT-5.6 Luna 的原生网络搜索，以及六个开放权重模型配置在固定检索下的表现；研究者称仅测试了这一款专有模型，是 GPT-5.6 三档中最轻、出于成本考虑的选择。 逐层分析（logit lens 与 J-lens）仅使用体育转会数据，因为答案（俱乐部名称）只有几个 token。上述结论来自预印本，尚未经同行评审。

综述由模型根据报道生成，细节以各篇原文为准。