IT之家 12 月 13 日消息，據《商業內幕》今日報道，谷歌 DeepMind 本周發布了 FACTS 基準測試，用來檢驗 AI 在事實準確性方面到底靠不靠譜。

這一測試從四個維度評估模型能力，包括是否能憑自身知識準確回答事實問題、能否正確使用網絡搜索、是否能在長文檔中扎實引用信息，以及對圖像內容的理解水平。在參測模型中，谷歌的 Gemini 3 Pro 表現最好，準確率為 69%，其他主流模型則明顯落后。

這一成績對企業同樣是個警鐘。雖然 AI 在生成速度和語言流暢度上優勢明顯，但在事實可靠性方面仍然遠低于人類標準，特別是在需要專業細分知識、復雜推理或嚴格基于原始材料的場景中。

在金融、醫療和法律等高風險行業，即便細小的事實錯誤，也可能放大成嚴重后果。報道以《商業內幕》員工梅莉亞?拉塞爾為例，其本周梳理了律師事務所如何應對 AI 逐漸被當作法律事實來源的現實，結果并不樂觀。她提到，有律師事務所的員工使用 ChatGPT 起草法律文件，結果文件中充斥虛假判例，最終律所直接解雇了該員工。

報道指出，谷歌希望通過明確模型出錯的位置和方式，加快 AI 的改進速度。但眼下可以得出的結論非常清楚，AI 確實在進步，然而仍有大約三分之一的時間會犯錯。