空货架还是丢失的钥匙？回忆是参数化事实性的瓶颈

标准的事实性评估将所有错误视为相同，掩盖了失败是源于知识缺失（空货架）还是对已编码事实的访问受限（丢失的钥匙）。本文提出一种行为框架，从事实层面而非问题层面分析事实知识，通过是否编码以及可访问性（无法回忆、可直接回忆或需推理计算回忆）进行分类。为支持此类分析，我们引入WikiProfile基准，该基准通过基于网络搜索的提示LLM自动构建。在13个LLM的400万次响应中发现，前沿模型在本基准上编码几乎饱和，GPT-5和Gemini-3编码了95%-98%的事实。然而，回忆仍是主要瓶颈：许多原本归因于知识缺失的错误实际上源于无法访问已有知识。这些失败具有系统性，且特别影响长尾事实和反向问题。最后，我们表明推理可以提高回忆能力，并能恢复大量错误，表明未来进展可能更多依赖于提升模型利用已有编码知识的方法，而非单纯扩展规模。