待验证50% 置信事实精确时间
LLM在对话中依赖上下文动态推理能临场识别异常，但生成的代码脚本固化后逻辑分支是静态的，无法感知未见过的数据模式，这被称为分布偏移（Distribution Shift）
1
来源数
50%
置信度
长期有效
时效性
2026/7/18
首次发现
来源
相关事实
待验证LLM在对话中能利用上下文动态推理识别异常，但生成的静态代码脚本无法感知未见过的数据模式，可能导致静默失效85% 相似待验证LLM生成的代码是静态逻辑树，当生产数据出现新异常模式时会静默按错误逻辑执行，形成无声失效（Silent Failure）74% 相似待验证基于Transformer的LLM每次推理都是独立的前向传播计算，模型权重在推理阶段固定不变，所谓的上下文记忆本质上是将历史对话文本重新注入提示词72% 相似待验证LLM每次推理时仅处理当前输入的token序列，不保留跨会话的持久化状态（无状态性）72% 相似已验证LLM的输出具有天然的非确定性，即使输入相同的Prompt，模型在不同时刻可能返回格式、内容甚至逻辑不同的结果72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/550146API
curl https://kongchang.com/api/v1/knowledge/claims/550146MCP
get_claim(id=550146)