待验证50% 置信事实精确时间

语义驱动的 LLM 策略产生了最强的、与截断幂律相容的'核心—尾部'检索痕迹

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

重尾记忆痕迹：长程语言智能体的记忆分配新思路

涉及实体

Semantic LLM policiesconcept truncated power-lawconcept

相关事实

待验证LLM能够做出看似合理的架构推理，但在可靠地构建性能模型上存在巨大鸿沟73% 相似待验证LLM偏向于位于提示词边缘（最开头和最末尾）的指令72% 相似待验证研究展示了让LLM作为特征提取工具、再交由透明可审计的传统模型完成最终判断的务实技术路径71% 相似待验证LLM的模式坍缩主要由自回归生成机制与RLHF优化的组合效应驱动，可从解码策略、训练目标和提示设计三个维度入手71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/966666

API

curl https://kongchang.com/api/v1/knowledge/claims/966666

MCP

get_claim(id=966666)