待验证50% 置信事实精确时间
代码数据的加入被证明能显著提升模型的逻辑推理能力，即使在非代码任务上，这一现象被称为代码数据的外溢效应
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
待验证在代码数据上训练的LLM不仅提升了编程能力，还显著增强了模型的逻辑推理能力，代码训练和逻辑推理能力之间存在正向迁移效应79% 相似已验证代码预训练不仅能提升编程任务表现，还能显著增强模型的逻辑推理能力，已成为顶级基础模型的标配79% 相似待验证将逻辑固化为可复用代码比每次让大模型重新推理更快且节省Token，具有确定性和可审计性75% 相似待验证Reasoning能力会显著增加输出token数量和响应延迟，但能大幅提升数学证明、代码调试和多步逻辑推理的准确性75% 相似待验证当编排逻辑从确定性代码转移至概率性模型推理时，插件间调用的可解释性与可审计性将成为企业级应用的工程挑战72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/530832API
curl https://kongchang.com/api/v1/knowledge/claims/530832MCP
get_claim(id=530832)