待验证50% 置信事实精确时间

由于大语言模型基于概率采样，即便指令写在上下文中，模型仍可能在复杂推理链中遗忘或跳过某些指令，这被称为指令遵循的不稳定性

1

来源数

50%

置信度

长期有效

时效性

2026/8/22

首次发现

来源

Claude Code Hooks完全指南：自动化机制原理与实战配置

涉及实体

Instruction Following Instabilityconcept

相关事实

待验证系统提示词的遵循并非硬性约束，而是概率性倾向，模型可能在用户输入与系统提示词产生语义冲突时忽略系统指令77% 相似待验证大语言模型通过自监督预训练学习token序列的条件概率分布，本质上是统计压缩模型，无法通过统计特征区分正确与错误的数学证明77% 相似待验证对齐良好的模型会将元指令引导至合规的创意表达，而对齐不足的模型可能出现意外行为76% 相似待验证通过提示词约束输出格式时，模型可能在长对话或复杂推理场景下忘记这些约束76% 相似已验证大语言模型的幻觉问题源于其本质是基于统计概率的序列预测系统，生成的Token基于条件概率最大化而非真正的逻辑推理76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/788329

API

curl https://kongchang.com/api/v1/knowledge/claims/788329

MCP

get_claim(id=788329)