待验证50% 置信事实精确时间

研究发现大多数模型在'装好'条件下降低暗黑三角得分，在'装坏'条件下升高得分

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

大模型也会"装好人"：暗黑三角人格下的应答扭曲研究

涉及实体

暗黑三角concept

相关事实

待验证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66% 相似待验证少样本学习中，3个高质量、覆盖边界情况的示例往往优于10个平庸示例，且最后一个示例对模型的影响权重通常最大64% 相似待验证模型的基准分数更高并不等于在所有场景下都更好用64% 相似待验证模型量化（将权重从FP16压缩为INT8或INT4）虽然在大多数基准测试上性能损失很小，但某些特定token生成概率可能发生显著变化，导致边缘情况下产生不同输出64% 相似待验证研究表明，即使在 GSM8K 或 MATH 数据集上接近满分的模型，面对稍作变形或需要跨领域组合的问题时性能下降可达30-50个百分点63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/928406

API

curl https://kongchang.com/api/v1/knowledge/claims/928406

MCP

get_claim(id=928406)