待验证50% 置信事实精确时间
金丝雀发布将新模型先暴露给一小部分真实流量（如1%-5%）以对比新旧模型指标；影子模型不承接真实决策，仅记录新模型预测并与生产模型比对。
1
来源数
50%
置信度
长期有效
时效性
2026/10/25
首次发现
来源
涉及实体
相关事实
待验证LLM新模型的平均评估指标可能优于旧模型，但会在小众关键场景中出现退化66% 相似已验证大模型输出是概率性非确定性的，同一prompt在同一版本模型上多次运行可能产生不同结果，使灰度发布的质量判断困难66% 相似待验证7个通过替代测试的模型变化率为15.9%，而6个未通过的模型高达25.8%，性能更好的模型受干扰程度较低但仍高于提示词修改影响65% 相似待验证剩余8.5%的偏离在涉及数十亿样本时会被放大，微小系统性偏差可能导致模拟结论与现实显著分歧，因此这类仿真更适合趋势预测与相对比较而非绝对精确的数值预言63% 相似待验证医学微调改变的是模型的表态风格，而非其元认知；微调后模型更少过度自信，但区分会与不会的内部标尺没有变得更准。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1096456API
curl https://kongchang.com/api/v1/knowledge/claims/1096456MCP
get_claim(id=1096456)