待验证50% 置信事实精确时间

LLM会过度字面化地理解提示词中的示例，将示例当成硬规则而非参考语义

1

来源数

50%

置信度

长期有效

时效性

2026/10/3

首次发现

来源

LLM评审结果为何反复横跳？拆解LLM-as-Judge的稳定性陷阱

涉及实体

相关事实

待验证用LLM对现有语料做风格转换和扩展比让其自由生成提示词更可靠78% 相似待验证传统语义层面对的是结构化查询（SQL），规则边界清晰；而 LLM 接收的是自然语言意图，意图边界模糊且动态变化74% 相似待验证LLM 生成的文本往往过度使用「值得注意的是」「不可否认」「综上所述」等连接短语，句子长度趋于均匀，并倾向于段落末尾做总结性收束73% 相似待验证LLM通过在海量文本语料上训练学会人类语言中词语共现的统计规律、语法结构和修辞模式，但生成过程不涉及对内容的理解或意图72% 相似待验证LLM处理的是token（词元）而非单个字符，导致在字符计数任务上存在天然缺陷72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/968962

API

curl https://kongchang.com/api/v1/knowledge/claims/968962

MCP

get_claim(id=968962)