待验证50% 置信事实精确时间

研究团队指出推理时上下文管理在基准测试中带来的提升幅度超过了大多数已报告的系统间差异

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Iris搜索智能体：反向数据构建与SFT-RL交替训练实现多跳推理突破

涉及实体

相关事实

待验证早期研究发现同一问题用不同表述方式提问，模型性能差异可高达数十个百分点76% 相似待验证研究表明在某些任务上仅将提示词中的'请判断'改为'请分析'就可能导致准确率波动5-10个百分点74% 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73% 相似待验证2023年多项独立研究表明部分顶级模型在标准数学推理测试中分数极高，但在等价的重新表述版本上成绩大幅下滑，表明模型学习的是测试模式而非真正的推理能力71% 相似待验证该研究发现同一模型不同部署时间点在代码生成和逻辑推理任务上通过率可能出现10%至20%的显著波动，且方向不总是单向改善70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/915230

API

curl https://kongchang.com/api/v1/knowledge/claims/915230

MCP

get_claim(id=915230)