Unverified50% confidenceBenchmarkExact time
7个通过替代测试的模型变化率为15.9%，而6个未通过的模型高达25.8%，性能更好的模型受干扰程度较低但仍高于提示词修改影响
1
Sources
50%
Confidence
Long-term
Relevance
10/5/2026
First Seen
Sources
Related Entities
Related Claims
Unverified靶向数据工程中，针对性数据占总微调数据的 5%-15% 通常能取得良好效果，过高比例可能导致模型在其他维度退化73% similarUnverified7个通过测试的模型中，加对齐图片导致15.9%的标签变化，加误导图片导致14.7%，而仅修改提示词的控制组只有8.8%72% similarUnverified经过匹配监督训练后模型表现提升到99.8%，而删除关系链接后正确率骤降到23.4%，甚至低于最佳捷径的27.0%72% similarUnverifiedMeta AI研究显示，通过让模型迭代优化自己的提示词，在某些标准基准测试上性能可提升15-30%，但存在约20%概率陷入退化循环72% similarUnverified在性能模型代码构建任务上，除GPT-5.6 Sol外的其他所有模型配置平均通过率低于15%，且多次运行之间波动极大72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/977925API
curl https://kongchang.com/api/v1/knowledge/claims/977925MCP
get_claim(id=977925)