待验证50% 置信事实精确时间
在4B及以下的模型上，正常风格的提示词得分最高，朴素和华丽两种风格都掉了约8分，但所有置信区间跨越零，差异无法被严格证明为显著。
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
待验证华丽风格提示的困惑度约为正常风格的两倍（Qwen3 0.6B：37.2 vs 16.7），但朴素风格与正常风格的困惑度几乎相同（15.6 vs 16.7），小模型却在朴素风格上表现更差。73% 相似待验证Mistral Small 4在单位换算输入上的得分仅为0.699，并产生了265个与正确标签相差精确十的幂次的错误61% 相似待验证GSM8K 数学推理测试中，Qwen3-4B 得分为 0.915，Gemma 4 E2B 为 0.911，差异 +0.4 个百分点且置信区间跨零，是唯一与 Gemma 同级别的模型。61% 相似待验证论文中的degree-3和degree-4多项式系数通过最小化BF16/FP16目标格式下的最大误差（minimax approximation）求得61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1018318API
curl https://kongchang.com/api/v1/knowledge/claims/1018318MCP
get_claim(id=1018318)