待验证50% 置信事实精确时间

LLM在时序抽取任务中的泛化能力无法从任何单一维度单独预测，也无法从域内评测或单维度评测中可靠地推断

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

LLMtechnology 时序抽取concept

相关事实

已验证LLM输出具有非确定性，因浮点运算非结合性和上下文窗口差异，即便输入一致输出也难以精确复现，不具备幂等性73% 相似待验证浮点数在token空间中并非连续分布，导致LLM精确运算天然不可靠69% 相似待验证纯LLM探索模式在确定性任务上成功率难以保障，因每次推理存在随机性68% 相似待验证传统的准确率指标无法捕捉LLM内在的逻辑矛盾，需要引入信息处理鸿沟等新型评估标准67% 相似待验证模糊测试、静态分析和LLM作为验证者等方法难以覆盖所有可能的边缘情况66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975554

API

curl https://kongchang.com/api/v1/knowledge/claims/975554

MCP

get_claim(id=975554)