一项发布在 arXiv 上的研究测试了三种语言模型：在提供三个相似的过往案例后，它们如何处理难以判断的退款和理赔请求。对于 DeepSeek V4.1 Flash、GPT-5.6 Luna 和 Claude Haiku 5.5，将案例记录的决定从 DENY 改为 APPROVE，在研究编写的政策下，使审批率提高了约 30 至 55 个百分点。
但当 DeepSeek 和 Luna 只能看到过往案例的事实时，支持批准的案例反而比支持拒绝的案例更少促使它们批准请求。作者表示，在九项改写自真实政策的公开政策测试中，也出现了这一模式。
为什么重要
使用 AI 评估退款或理赔申请的机构，应分别测试过往案例的事实和记录结果，因为两者都可能影响决定，而且影响方向可能不同。
