待验证50% 置信事实精确时间
最优引导权重公式揭示训练早期、模型自身方差大时应多信任外部引导，随训练推进应逐渐降低引导权重，为引导退火策略提供理论依据
1
来源数
50%
置信度
长期有效
时效性
2026/10/7
首次发现
来源
涉及实体
相关事实
待验证不同模型在抗诱导能力上的差异很大程度上源于后训练阶段（post-training）的策略差异80% 相似待验证把思考长度偏好训进权重比在部署时用系统提示词要求简短回答更稳定，后者是外部约束不稳定，前者成为模型默认行为78% 相似已验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效78% 相似待验证模型的核心参数权重在训练完成后固定，即便通过外部工具获取新信息，融合判断时仍依赖训练时形成的世界观76% 相似待验证后训练的成熟度直接决定模型的token效率，成熟的后训练能减少无效推理token的消耗76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/983191API
curl https://kongchang.com/api/v1/knowledge/claims/983191MCP
get_claim(id=983191)