待验证50% 置信决策规则精确时间

模型选型不能只看整体基准分数，而要结合具体应用场景下的稳定性表现来综合判断

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

提示词扰动如何影响大模型的偏见与幻觉？

涉及实体

大语言模型concept

相关事实

待验证模型在评估变体下的稳定表现比单一评估的高分更能说明真实的对齐水平，应关注鲁棒性而非分数78% 相似待验证当模型迟迟无法收敛时，应先审视输入的状态表示是否合理，而非盲目调整超参数78% 相似已验证简单模型在小样本、特征工程充分的场景中往往不输复杂模型77% 相似待验证模型能力不能只看参数规模，模型表现受训练数据分布、推理路径、随机性等多重因素影响76% 相似待验证研究者认为模型自评结果不应被视为中立测量，而应被视为塑造模型行为的同一套优化过程产生的结构化输出75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961157

API

curl https://kongchang.com/api/v1/knowledge/claims/961157

MCP

get_claim(id=961157)