待验证60% 置信观点精确时间
AI在特定话题上的引用模式可能存在系统性偏差，源于训练数据分布不均并通过RLHF过程进一步固化
2
来源数
60%
置信度
长期有效
时效性
2026/7/24
首次发现
来源
如何科学测试提示词对LLM引用行为的影响
redditr/learnmachinelearning2026/7/9
相关事实
待验证不同AI模型在预训练数据分布和RLHF对齐策略上存在差异，导致对同一问题有不同的推理路径，因此换模型有时能解决单一模型反复失败的问题78% 相似待验证在LLM语境下偏见指模型输出系统性地偏向某一群体、立场或结论，源于训练数据分布不均77% 相似待验证提示词与模型版本存在深度绑定关系，不同版本模型在RLHF训练数据、指令微调策略上的差异会导致相同提示词产生不同输出，这种现象被称为「提示词漂移」75% 相似待验证模型的安全训练数据（RLHF中的人工反馈）大量集中于英语，而多语言能力的习得来自更广泛的预训练语料，两者覆盖范围存在系统性错位74% 相似待验证模型在未收到明确指令时输出图片，意味着系统提示词设计或RLHF训练中存在激励偏差73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/606935API
curl https://kongchang.com/api/v1/knowledge/claims/606935MCP
get_claim(id=606935)