书架空空还是钥匙丢失？回忆是参数化事实性的瓶颈

Google Research的科学家Nitay Calderon和Gal Yona提出了一个名为知识画像的行为框架，用以区分大语言模型（LLM）中的事实错误究竟源于知识缺失（编码失败）还是知识不可及（回忆失败）。他们引入了WikiProfile，这是一个包含2150条源自维基百科事实的基准测试，每条事实都配有探测编码、回忆和识别能力的问题。通过对13个有无思考能力的大语言模型进行评估，他们发现像Gemini-3-Pro和GPT-5这样的前沿模型能够编码95%至98%的事实，但在直接回忆时却会失败26%至34%，即便在思考模式下，失败率仍高达11%至12%。在Gemma 3系列中，模型规模的扩大减少了编码失败，但回忆失败依然存在，表明回忆是瓶颈所在。回忆受到训练上下文的影响，长尾事实虽被编码却难以回忆，而反向诅咒则被重新定义为回忆问题，因为多项选择任务中的识别能力并未受损。思考能力最能改善对稀有事实和反向事实的回忆，能够恢复40%至65%已编码但无法直接知晓的事实，其作用机制更像是促进回忆，而非纯粹的推理。