2025年12月13日，谷歌DeepMind正式发布了全球首个AI事实准确性基准测试——FACTS，旨在全面评估各类人工智能模型在处理和传递信息时的可靠性。该基准测试从四个核心维度进行综合考核，包括知识掌握的深度与广度、搜索信息的能力与效率、文档引用的规范性与准确性，以及图像内容的理解与解析。通过严谨的量化分析，测试结果揭示了当前AI技术发展的真实水平。
在此次基准测试中，谷歌自家的Gemini 3 Pro模型表现突出，以69%的准确率位居榜首，展现了强大的信息处理能力。然而，测试也暴露了行业普遍存在的问题——主流AI模型在事实准确性方面仍存在明显短板，约三分之一的错误率意味着在实际应用中可能产生不可预测的偏差。这一发现引发了对AI技术安全性的深刻反思。
特别值得注意的是，AI在金融、医疗、法律等高风险领域的应用风险正在凸显。虚假信息的传播可能造成严重后果，已有律所因员工过度依赖ChatGPT生成虚假判例而做出解雇决定。这一案例警示我们，尽管AI技术发展迅速，但在关键领域仍需谨慎对待其输出内容的真实性。
面对这一挑战，谷歌DeepMind希望通过FACTS基准测试的发布，倒逼整个行业加速AI可靠性的改进进程。测试报告指出，尽管近年来AI技术取得了令人瞩目的进步，但距离人类在事实判断方面的精准度仍有遥远距离。这一发现既是对技术发展的客观评价，也为未来AI的优化指明了方向。如何进一步提升AI模型的准确性，避免因信息错误引发的社会风险，已成为整个科技行业亟待解决的重要课题。
