Precision Is Not Faithfulness

这篇论文指出 grounded generation 的许多 faithfulness metrics 只检查“说出来的事实是否被支持”，因此会奖励模型少说。作者用 Formula 1 telemetry 构造完整 oracle，覆盖 150 场比赛、7,253 个决策实例，并在 NOAA 天气预测上复现同类现象；最精确的前沿模型覆盖不到一半相关事实，按 F1 反而排在最后。它值得看的是评估口径本身：faithfulness 不能只看 precision，还要把 coverage 纳入同一张成绩单。