待验证50% 置信事实精确时间
2023年多项研究证明，对同一基准采用不同措辞重新提问，部分模型表现会显著下滑
1
来源数
50%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
Grok vs GPT vs Claude：三大顶级AI编程实测，谁才是真正的代码高手？
hackernewshackernews2026/7/8
相关事实
待验证在长上下文中，模型更容易受到最近几轮对话的影响，而非最初设定的系统提示，即存在指令遵循衰减现象73% 相似待验证从2024年开始，业界观察到单纯增大模型规模带来的收益开始递减，尤其在多步逻辑推理、数学证明和科学发现等任务上70% 相似待验证冗长偏差是研究界广泛关注的问题：人类评估者倾向于选择更长、格式更精美的回答，LMSYS在2024年研究发现控制输出长度后部分模型Elo排名会显著变化69% 相似待验证实验表明，仅经过数代自我训练，模型输出的方差就会急剧缩小，文本趋于同质化69% 相似待验证模型或提示词更新可能提升对话质量的同时让日期解析变得更差，因此需要跨版本行为对比来防止回归被引入生产环境69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/462737API
curl https://kongchang.com/api/v1/knowledge/claims/462737MCP
get_claim(id=462737)