激励错配：只看准确率
只奖答对 = 鼓励蒙对。长期训练与榜单环境塑造了“会猜”的模型。
当评测只看准确率时，模型更倾向于猜测而不是承认不确定。本页用数据与图解，说明成因与可操作对策。
只奖答对 = 鼓励蒙对。长期训练与榜单环境塑造了“会猜”的模型。
对自信错误加大成本；对合理弃答/不确定给部分分，抑制盲猜。
高频规则（拼写/括号）易学；低频任意事实难学 → 产生幻觉。
错误（自信答错）往往比“我不确定”更有害。只看准确率会掩盖风险。
更谨慎，错误率更低（更常弃答）
准确率略高，但自信错误多（偏向猜测）
不能。现实任务中存在信息缺失与歧义，准确率长期难以达到 100%。应当降低自信错误并提升不确定性表达。
弃答代表模型已识别低置信度，避免误导性答案；在成本敏感评测中应获得部分分。
低置信度改走检索/澄清链路；设置拒答阈值；高风险场景加入人工复核；记录并回灌自信错误。
本文由 DataLearnerAI 基于 OpenAI 的研究/系统卡整理与中文解读。