待验证50% 置信事实精确时间

同样的证据可以提升较弱模型的表现，却损害较强模型的表现

1

来源数

50%

置信度

长期有效

时效性

2026/9/8

首次发现

来源

大模型如何整合外部证据？分布式理论揭示LLM证据整合机制

相关事实

待验证小模型对数据分布更敏感，同样的数据补充量在4B模型上的边际效果往往比大模型更明显71% 相似待验证参数量更多的模型通常理解能力更强，但响应速度更慢且消耗更多tokens71% 相似已验证研究表明，同一模型在不同提示词下的输出质量可能相差数倍70% 相似待验证对于参数量有限的小模型，数据质量对最终性能的影响甚至超过数据量本身67% 相似待验证研究表明即使是部分污染（模型只见过题目而非答案），也可能显著提升得分67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/875704

API

curl https://kongchang.com/api/v1/knowledge/claims/875704

MCP

get_claim(id=875704)