当缺席是证据时：评估 大语言模型 中完整性敏感的否定推理

大语言模型 (LLM) 经常被询问记录、列表或检索的上下文中是否缺少某些内容。然而，只有当证据完全覆盖查询范围时，非观察才允许给出否定答案；否则，答案应该仍然未知。我们称之为完整性敏感的消极推理。我们引入了 CROWN-QA，其中包括 CROWN-Synth（一个受控配对核心，可修复问题和观察到的事实，同时仅改变查询相对覆盖范围）和 CROWN-Real（具有受控覆盖范围变体的真实文档对比集评估）。在三个 LLM 系列中，模型表现出不稳定的闭合判断和严重的过度闭合，无法可靠地区分合理的否定答案（已证明否定）和证据不足（未知）。 CROWN-Synth 的主要失败是不对称的：模型通常识别隐式完整证据，但将隐式部分证据视为查询覆盖。提示会重新分配过度闭合和闭合不足之间的错误，而不是始终如一地解决它们。结构化证书引出将许多错误追溯到证据覆盖错误描述。 CROWN-Real 表明，核心部分覆盖不对称性在真实文档内容上仍然存在，而其强度以及过度封闭和封闭不足之间的平衡因模型、提示和来源而异。