待验证50% 置信事实精确时间

大模型能力边界呈现高度不规则的锯齿状，可能轻松通过美国医师执照考试，却在'9.11和9.9哪个更大'这类小学数学题上出错

1

来源数

50%

置信度

长期有效

时效性

2026/7/21

首次发现

来源

前沿AI模型频现低级错误：GPT-5时代的可靠性危机

相关事实

待验证引导过程若缺乏严格的数学保证，可能引入难以察觉的系统性误差67% 相似待验证大语言模型在数学证明、代码生成等任务上超越人类平均水平，却在空间推理、计数等简单任务上出现失误，呈现非均匀能力分布65% 相似待验证随着模型规模从百万参数扩展至千亿参数，不理解底层数学的工程师越来越难以诊断训练不稳定、梯度爆炸或模式崩塌等问题64% 相似待验证TruthfulQA基准测试发现更大的模型有时会产生更自信的错误，这一现象被称为规模悖论64% 相似待验证对于数学计算这类对精度要求极高的场景，浮点数溢出、数值不稳定等问题尤为致命63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/579718

API

curl https://kongchang.com/api/v1/knowledge/claims/579718

MCP

get_claim(id=579718)