待验证50% 置信事实精确时间
该研究在多个环境和多种世界模型家族上进行了测试，组合泛化失败是跨模型家族的普遍现象。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/20
首次发现
有效期至：2027/1/18
来源
涉及实体
相关事实
待验证在 WOVEN 评测中，即便最强的 MLLM 也远低于人类水平，失败模式在不同模型家族中反复出现，单纯扩大模型规模并不能消除这些缺陷。71% 相似待验证跨模型家族的评测分析揭示了各KEE技术之间截然不同的效应和权衡——有些技术在恢复失败案例上表现突出但破坏率也高，有些则相对温和但恢复能力有限。67% 相似待验证该研究进行了超过一千万次试验，涵盖来自四个模型家族的十二个LLM，覆盖八个领域65% 相似待验证SwaT实验覆盖12个LLM、6个模型家族、17个基准测试。62% 相似待验证质量优先排序为最强模型→不同家族的同级模型→更便宜模型，将不同家族模型放第二位可应对某厂商全线宕机的情况62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073409API
curl https://kongchang.com/api/v1/knowledge/claims/1073409MCP
get_claim(id=1073409)