待验证50% 置信事实精确时间

arXiv论文《Recursive Language Models Generalize Out of Domain》提出限制模型能看到的内容反而可能带来更好的推理能力

1

来源数

50%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

递归语言模型如何实现真正推理：跳出分布外泛化困境

涉及实体

Recursive Language Models Generalize Out of Domainconcept

相关事实

待验证大语言模型具有迎合性（sycophancy）特性，倾向于按照提示词的倾向性组织输出，而非反映事实真相72% 相似待验证部分大型语言模型能够逐字复现热门基准中的题目与答案71% 相似待验证大语言模型容易受到锚定效应、选项顺序效应和权威暗示等隐性线索的影响71% 相似待验证跨语言越狱利用了模型概念空间与语言空间的非对称性，因安全拒绝行为的学习高度语言特异71% 相似待验证递归语言模型通过上下文隔离从根本上排除了利用子任务之外信息作弊的失败模式，只能学习真正的递归规则70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/938135

API

curl https://kongchang.com/api/v1/knowledge/claims/938135

MCP

get_claim(id=938135)