待验证50% 置信基准精确时间
实验发现基于词级特征训练的元模型无法预测哪些词该删，说明停用词表的精细调校没有可瞄准的目标
1
来源数
50%
置信度
长期有效
时效性
2026/9/18
首次发现
来源
涉及实体
相关事实
待验证链式思维、少样本提示、自我一致性等提示词工程技巧无法让模型访问训练截止日期之后的信息，无法保证浮点运算的精确性，也无法处理模型从未见过的外部文件75% 相似待验证早期模型能力不足时需要大量引导词，但引导词本身会反过来约束模型的能力边界73% 相似待验证自回归语言模型在训练时从未见过'我不知道'作为高频合理输出，因此在知识边界处生成虚构内容概率高于表达不确定性72% 相似待验证直接将原始聊天记录导入微调数据集训练效果不好，因为原始聊天记录缺乏情绪和语境标注，模型只能学到表面字符模式而学不到何时使用某种风格的决策逻辑71% 相似待验证私有评测的题目未公开，模型无法通过在训练数据中背题来提升成绩，因此更能反映真实泛化能力71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/931172API
curl https://kongchang.com/api/v1/knowledge/claims/931172MCP
get_claim(id=931172)