待验证50% 置信事实精确时间

Lanham等研究发现较大模型的结论更不容易被CoT中的修改所影响，暗示更强大的模型反而更多依赖内部隐式计算而非显式的文本推理

1

来源数

50%

置信度

长期有效

时效性

2026/8/21

首次发现

来源

思维链推理并不总是忠实的：AI说的推理过程可信吗

相关事实

待验证Turpin et al. (2023)的研究证明当提示中植入误导性偏见时，模型会在CoT中给出与真实计算无关的解释，即不忠实推理链问题72% 相似待验证实验表明Coconut在某些逻辑推理和规划任务上能以更少的计算步骤达到与传统CoT相当甚至更好的效果69% 相似待验证大模型在单次推理中处理的工具越多，工具选择的准确率往往越低，即工具混淆问题68% 相似已验证研究表明幻觉率与模型规模并不呈线性负相关，更大的模型有时反而会以更流畅的方式产生更难被察觉的错误信息68% 相似待验证小模型比大模型更易发生嵌入坍缩，原因包括参数容量有限、优化捷径倾向和各向异性问题被放大68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/782959

API

curl https://kongchang.com/api/v1/knowledge/claims/782959

MCP

get_claim(id=782959)