LLMpedia：一个在大规模上具象化 LLM 百科全书式知识的透明框架

尽管 MMLU 等基准测试显示旗舰语言模型的事实性接近饱和，但本文指出该图景并不完整。LLMpedia 框架完全利用参数记忆生成约 100 万篇百科文章，无需检索增强。研究发现，即使在维基百科覆盖的主题上，gpt-5-mini 的可验证真实率仅为 74.7%，远低于基准测试表现；而在前沿主题中更是降至 63.2%。此外，不同模型家族的主题选择重叠度极低。作为一个完全开放的参数百科全书项目，LLMpedia 公开了所有提示、产物及评估结果，填补了事实性评估与知识具象化之间的空白。