待验证50% 置信基准精确时间
对一个4B参数的小模型进行任务特定的强化学习，使其映射推理准确率提升了15.7个百分点
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
待验证少样本学习（few-shot learning）和思维链（Chain-of-Thought）提示技术能显著提升模型在推理任务上的表现74% 相似待验证思维链提示与少样本示例可提升7B至14B参数量级模型在复杂编码任务上的成功率73% 相似待验证链式推理通过引导模型在给出最终答案前显式输出中间推理步骤，某些任务上准确率提升可达20-40个百分点73% 相似待验证结构化的任务描述（包含背景、目标、约束和期望输出格式四个维度）相比自然语言描述，能将模型的首次响应准确率提升 30%~50%71% 相似待验证在MATH数学推理数据集上，采用元提示策略的模型表现比标准提示方法提升了约17%71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/902748API
curl https://kongchang.com/api/v1/knowledge/claims/902748MCP
get_claim(id=902748)