待验证50% 置信事实精确时间

来自模型规模和架构的提升是不均衡且维度特定的，单纯堆叠参数量或更换架构不能在所有泛化维度上带来一致改善

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

大模型时间抽取任务泛化能力评测：单一维度不可靠

涉及实体

相关事实

待验证专项优化不保证对所有任务类型的普遍提升，在特定领域可能反而不及通用基础模型75% 相似待验证不存在一个放之四海皆准的最优模型规模，最优解高度依赖具体的应用场景和部署环境73% 相似待验证越来越多研究者认为单纯扩大模型规模无法解决发现问题，真正进展来自系统层面设计71% 相似待验证没有任何一个模型能在成本、速度、能力三个维度上同时做到最优，这是分层模型架构的现实驱动因素70% 相似待验证研究明确指出模型规模扩大和显式推理能力增强都无法为这种说服性失效提供抵抗力70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975553

API

curl https://kongchang.com/api/v1/knowledge/claims/975553

MCP

get_claim(id=975553)