---
id: 20260317-T0-12
title: "研究揭示LLM多轮知识更新中的检索偏差问题"
title_en: "Study Exposes Retrieval Bias in LLM Multi-Update Scenarios"
url: https://ai.daily.yangsir.net/daily/20260317-T0-12
issue_date: 2026-03-17
publish_date: 2026-03-16T04:00:00.000Z
source_name: "arXiv cs.CL (NLP)"
source_url: https://arxiv.org/abs/2603.12271
---

# 研究揭示LLM多轮知识更新中的检索偏差问题

arXiv研究首次系统分析了大型语言模型在多轮知识更新环境下的检索偏差问题。研究发现，当同一事实在上下文中被多次修正时，LLM仍会优先检索旧版本知识，导致错误率高达45%。该研究提出了一种动态检索权重调整算法，将错误率降低至12%。

## English Version

**Study Exposes Retrieval Bias in LLM Multi-Update Scenarios**

arXiv study first systematically analyzes retrieval bias in LLMs under multi-knowledge updates. Found LLMs still retrieve old knowledge versions with 45% error rate when facts are revised. Proposed dynamic weight adjustment algorithm cuts errors to 12%.

---

**来源**：[arXiv cs.CL (NLP)](https://arxiv.org/abs/2603.12271)

**详情页**：https://ai.daily.yangsir.net/daily/20260317-T0-12

---

*智语观潮 · Daily — https://ai.daily.yangsir.net/llms.txt*