Unverified50% confidenceFactExact time
大语言模型在数学证明、代码生成等任务上超越人类平均水平，却在空间推理、计数等简单任务上出现失误，呈现非均匀能力分布
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
Unverified代码生成任务对量化的敏感度通常低于数学推理和复杂逻辑任务77% similarUnverified并行生成中局部token错误更难被全局约束修复，对代码和数学等强逻辑依赖任务影响尤为明显75% similarUnverified不同任务类型的涌现阈值存在巨大差异，某些推理能力在模型规模跨越临界点时突然涌现，而标准代码补全呈现平滑饱和曲线71% similarUnverified当前主流LLM在欧几里得空间推理（如判断两条线段是否相交）上的准确率远低于其在文本推理任务上的表现，这是自回归语言模型架构的固有局限71% similarUnverified编程场景对模型能力要求极高，弱模型与强模型在代码生成上的表现相差数个数量级，同一编码任务弱模型经过数十次尝试仍无法解决，而强模型第一次运行即可通过编译。71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/517672API
curl https://kongchang.com/api/v1/knowledge/claims/517672MCP
get_claim(id=517672)