待验证50% 置信事实精确时间
在一项覆盖8个本地模型、超过5000次调用的测试中，提示词的措辞风格（朴素/正常/华丽）对非数学任务的正确率几乎没有影响，8B及以上模型的差异不超过4个百分点。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证在机器学习多种子实验中重复次数通常只有5到10次，样本量极小，正态性假设难以验证，因此 Wilcoxon 检验往往是更保守稳健的选择74% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性73% 相似待验证7个通过替代测试的模型变化率为15.9%，而6个未通过的模型高达25.8%，性能更好的模型受干扰程度较低但仍高于提示词修改影响73% 相似待验证该测试样本规模相对有限（5个模型、13个代码库），结论有待更大规模验证72% 相似待验证不同模型在基准测试上的性能差异往往远小于同一模型在不同任务类型、不同输入格式下的行为差异72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1018306API
curl https://kongchang.com/api/v1/knowledge/claims/1018306MCP
get_claim(id=1018306)