待验证50% 置信事实精确时间
行为漂移（drift）指注入新知识后，模型在原本已经掌握的任务或无关提示上的输出分布发生变化，通常用保留的通用提示词来测量。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
知识注入可写性研究：GPT-2 受控实验与生产记忆对比
rss2026/10/15
涉及实体
相关事实
待验证模型行为漂移是指即使代码和提示词没有改动，底层模型被静默更新、温度参数变化或上下文长度调整后，同一输入的输出分布也可能发生变化。77% 相似待验证模型漂移指模型上线后由于真实世界数据分布变化导致预测性能随时间下降的现象，应对手段包括持续监控、性能告警阈值和定期或触发式再训练。75% 相似待验证用户的点赞、纠错、重试、改写等行为本质上是隐式偏好信号，能持续校准模型的输出分布74% 相似待验证每当模型升级，此前沉淀的提示词技巧往往需要重新校准，因为新模型的行为特征、默认倾向和推理方式都可能发生变化74% 相似待验证调试时每次只改一个系数并记录行为变化，才能建立参数到行为的直觉映射73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046884API
curl https://kongchang.com/api/v1/knowledge/claims/1046884MCP
get_claim(id=1046884)