待验证50% 置信事实精确时间
代码混用（code-mixing）现象会对现有预训练语言模型造成显著的性能退化
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证大语言模型的结构性弱点是优化'代码看起来正确'而非'代码符合当前阶段需求'，会照搬训练数据中的高频模式79% 相似待验证大语言模型存在「指令漂移」（instruction drift）现象，随着对话轮次增加和上下文窗口被大量代码填充，模型对早期指令的遵循概率会逐步下降77% 相似待验证Code drift in pure prompt-based development is rooted in the statelessness of large language models, which re-infer system intent with each new prompt72% 相似待验证主流扩散模型的文字生成依赖CLIP等视觉-语言预训练模型，其训练数据以英文为主，导致中文字符生成困难72% 相似待验证扩散语言模型目前仍处于早期阶段，在生成质量、长文本连贯性、训练稳定性方面与成熟自回归模型相比仍有差距72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/901428API
curl https://kongchang.com/api/v1/knowledge/claims/901428MCP
get_claim(id=901428)