Unverified50% confidenceFactExact time

同样的证据可以提升较弱模型的表现，却损害较强模型的表现

1

Sources

50%

Confidence

Long-term

Relevance

9/8/2026

First Seen

Sources

大模型如何整合外部证据？分布式理论揭示LLM证据整合机制

Related Claims

Unverified小模型对数据分布更敏感，同样的数据补充量在4B模型上的边际效果往往比大模型更明显71% similar Unverified参数量更多的模型通常理解能力更强，但响应速度更慢且消耗更多tokens71% similar Verified研究表明，同一模型在不同提示词下的输出质量可能相差数倍70% similar Unverified对于参数量有限的小模型，数据质量对最终性能的影响甚至超过数据量本身67% similar Unverified研究表明即使是部分污染（模型只见过题目而非答案），也可能显著提升得分67% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/875704

API

curl https://kongchang.com/api/v1/knowledge/claims/875704

MCP

get_claim(id=875704)