待验证50% 置信解决方案精确时间

对大语言模型而言，「不要做X」的负向约束有时比「要做Y」的正向指令更有效，因为负样本相当于在概率空间中设置了禁区

1

来源数

50%

置信度

长期有效

时效性

2026/7/20

首次发现

来源

Vibe Coding如何用AI设计系统摆脱模板化审美

相关事实

待验证负向约束通过明确排除不期望的输出收窄概率空间，与正向指令同等重要，可减少模型创造性发挥的偏差74% 相似待验证在代码生成Prompt中，否定性约束（说明不需要什么）能缩小模型搜索空间，比增加期望描述更能提高准确率73% 相似待验证分布在决策边界附近的困难负样本对模型边界学习的贡献远大于远离边界的容易负样本65% 相似待验证提示词工程存在固有局限：指令效果会随对话轮次衰减（指令遗忘），不同模型版本对同一指令响应差异显著64% 相似待验证当前主流LLM在欧几里得空间推理（如判断两条线段是否相交）上的准确率远低于其在文本推理任务上的表现，这是自回归语言模型架构的固有局限64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/575492

API

curl https://kongchang.com/api/v1/knowledge/claims/575492

MCP

get_claim(id=575492)