待验证50% 置信事实精确时间

当尝试预算增大（如 pass@10、pass@100）时，模型缩放或增加推理计算等更强干预的 pass@k 曲线可能反超框架优化。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/21

首次发现

有效期至：2027/1/19

来源

智能体性能提升之谜：是激发潜能还是拓展边界？

涉及实体

模型缩放concept 推理计算concept 智能体框架优化concept pass@kconcept

相关事实

待验证模型能力增强时，过多的约束和提示词会浪费上下文预算并引发提示词漂移(prompt drift)，减少约束反而更好69% 相似待验证通过比较优化前后框架的 pass@k 曲线，可以判断性能提升是来自更稳定的单次成功（曲线整体平移）还是来自扩大了可解决任务的边界（曲线在高 k 处显著上升）。67% 相似待验证仅凭 pass@1 比较不同干预措施的优劣可能产生误导，需结合多尝试预算下的表现进行综合判断。67% 相似待验证推理预算越高，模型响应延迟和 Token 消耗成倍增加，但在数学证明、复杂算法设计等场景表现显著提升66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1079321

API

curl https://kongchang.com/api/v1/knowledge/claims/1079321

MCP

get_claim(id=1079321)