Unverified50% confidenceSolutionExact time
对大语言模型而言，「不要做X」的负向约束有时比「要做Y」的正向指令更有效，因为负样本相当于在概率空间中设置了禁区
1
Sources
50%
Confidence
Long-term
Relevance
7/20/2026
First Seen
Sources
Related Claims
Unverified负向约束通过明确排除不期望的输出收窄概率空间，与正向指令同等重要，可减少模型创造性发挥的偏差74% similarUnverified在代码生成Prompt中，否定性约束（说明不需要什么）能缩小模型搜索空间，比增加期望描述更能提高准确率73% similarUnverified分布在决策边界附近的困难负样本对模型边界学习的贡献远大于远离边界的容易负样本65% similarUnverified提示词工程存在固有局限：指令效果会随对话轮次衰减（指令遗忘），不同模型版本对同一指令响应差异显著64% 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64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/575492API
curl https://kongchang.com/api/v1/knowledge/claims/575492MCP
get_claim(id=575492)