待验证50% 置信事实精确时间
Level 2（角色+背景提示词）的QA测试得分低于Level 1（单行指令），平均分为22.2 vs 24.7，与实验者预期每级超越前一级的假设相反
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
AI当QA测试员：40个Bug实验揭示提示词设计的意外真相
rss2026/10/16
涉及实体
相关事实
待验证在小样本LoRA训练中，rank值设置存在偏差-方差权衡，实践中rank=4至32是常见的安全区间74% 相似待验证在公开健康基准测试中，一个普通AI模型在开发者自己的复跑中得分高于Tabibu，0.522对0.426（非官方排行榜数据），开发者认为原因是Tabibu的安全层在基准测试中拉低了分数。72% 相似待验证在早前测试中，一次将工具得分从31提升到74的改写，反而让两个模型的选择表现变差。71% 相似待验证在真实环境A/B测试中，经过后续训练的检查点相比早期版本，工具调用失败率相对降低了21.2%69% 相似待验证在多轮叙述作用下，模型的最终判断相比匹配的单轮基线平均偏移了25个百分点68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1043900API
curl https://kongchang.com/api/v1/knowledge/claims/1043900MCP
get_claim(id=1043900)