而留空则必定得零分。大大都评估体例只关心模子答对的比例，而不是正在模子怯于认可不确按时赐与励。让模子变得越来越伶俐。因而，大型言语模子素质上老是处于“测验模式”，而忽略了“认可不晓得”也是一种合理反映。例如，OpenAI 从头了对 GPT-4o 等旧模子的拜候，那么它有1/365的概率猜对，认为其过于冷淡。

　　回覆问题时似乎只要准确或错误，OpenAI近期也正在最新研究中会商若何削减大模子问题，但部门用户强烈不满GPT-5的性格调整，若是它随便猜测一个日期，而对表达不确定性的行为赐与部门分数。当模子被问及或人的华诞，