待验证50% 置信观点精确时间
约 70 亿参数的小型语言模型（如 allam-2-7b）相比 GPT-4 级别模型，在指令遵循、长上下文推理和自知力方面明显更弱，容易产生幻觉或无视负面约束。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
已验证斯坦福大学2023年研究表明，GPT-4V等多模态模型解析嵌套条件逻辑流程图时，准确率比等效文字描述低约15-25个百分点73% 相似待验证全模态大模型虽然支持语音输入输出，但在智能体基准测试上的得分远远低于主流推理模型72% 相似待验证量化位数越低模型在细节推理上表现越可能下滑，但在 4-bit 以上量化级别中多数任务的体验差距对普通用户并不明显71% 相似待验证在一项覆盖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。71% 相似待验证参数量仅10亿至70亿的小语言模型在特定任务上可以逼近参数量百倍于它的大模型70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1030612API
curl https://kongchang.com/api/v1/knowledge/claims/1030612MCP
get_claim(id=1030612)