Unverified50% confidenceTradeoffExact time
参数量越大的模型，安全对齐行为分布在权重空间中的分散程度越高，精准移除的难度也相应增加
1
Sources
50%
Confidence
Long-term
Relevance
9/7/2026
First Seen
Sources
Related Entities
Related Claims
Unverified单个Prompt中包含的独立需求点越多，模型遗漏或错误实现某些需求的概率呈非线性增长，MVP策略通过缩小模型决策空间提高可靠性78% similarUnverifiedfixture作用域越大，被共享范围越广，引入隐性依赖的风险也越高77% similarUnverified大模型对指令的敏感度呈非线性分布——主干指令的微小改动可能引发全局行为漂移，而在末尾追加具体的边界条件则相对安全76% similarUnverified随着大模型推理能力增强，单次调用消耗的token显著攀升，在固定用量限制下形成「更强模型」与「更快触及上限」的悖论75% similarUnverified对MoE模型的量化需要格外谨慎，因稀疏激活使专家参数数值分布集中，低比特量化易造成路由偏差导致能力退化74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/869601API
curl https://kongchang.com/api/v1/knowledge/claims/869601MCP
get_claim(id=869601)