Google DeepMind 研究：GPT-4o 等大模型如何决定不回答问题

Google DeepMind 团队在 Nature Machine Intelligence 发表实验范式，测试 GPT-4o、Gemma 3 27B、DeepSeek-V3 和 Qwen3-Next-80B-A3B-Instruct 是否会依据内部置信度选择弃答。结果显示模型在置信度低时更倾向弃答，激活引导可相应降低或提高弃答率，模型也能按指定置信度阈值调整弃答行为。