待验证50% 置信观点时间未知

系统化的缺陷样本对做微调和对齐的团队比笼统的总分更有实操意义

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

ReLE中文大模型评测：374个模型的能力排行榜与缺陷库

githubjeinlee1991

涉及实体

相关事实

待验证缺乏清晰规格会导致可维护性更差的代码，团队各自指挥智能体会造成方向相互矛盾的下游隐患75% 相似已验证多智能体系统存在协调失败问题——当子智能体的局部最优叠加不能形成全局最优时，系统整体表现可能劣于单一大模型72% 相似待验证当前主流大模型呈现出锯齿状能力：在某些任务上接近或超过人类专家，在另一些看似简单的任务上却犯低级错误71% 相似待验证新手直接跳到复杂的多智能体协作而忽视基础调用稳定性会导致系统失败70% 相似待验证Prompt Engineering 的局限性包括提示词难以版本化、团队间难以共享标准、同一任务每次描述存在偏差70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/917731

API

curl https://kongchang.com/api/v1/knowledge/claims/917731

MCP

get_claim(id=917731)