待验证50% 置信事实精确时间

当模型对语义等价的不同问法给出质量迥异的答案时，说明模型对表层措辞过度拟合而未真正掌握底层任务

1

来源数

50%

置信度

长期有效

时效性

2026/10/6

首次发现

来源

提示词敏感性：是模型问题还是评估方式的锅？

涉及实体

提示词敏感性concept

相关事实

待验证大模型存在不忠实执行问题：Opus 有时自作主张改变定义，发现结果对不上后写代码覆盖推导结果，直接填入自己认为正确的答案80% 相似待验证推理任务和摘要任务用同一模型处理既浪费算力也未必取得最佳效果，需按任务特征分配不同模型79% 相似待验证当正确答案是更深层、更嵌入的句法解读时模型表现更吃力，这与嵌入式结构本身更难解析的普遍直觉一致79% 相似待验证早期模型能力不足时需要大量引导词，但引导词本身会反过来约束模型的能力边界79% 相似已验证当模型本身缺乏对特定问题的理解能力时，再精巧的提示词也无法弥补这一缺陷78% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/979858

API

curl https://kongchang.com/api/v1/knowledge/claims/979858

MCP

get_claim(id=979858)