Unverified50% confidenceSolutionExact time
通过构造语义等价但表述不同的提示词变体并观察输出分布，可以区分敏感性来自模型还是评估器
1
Sources
50%
Confidence
Long-term
Relevance
10/6/2026
First Seen
Sources
Related Entities
Related Claims
Unverified提示工程技巧（思维链、少样本示例、角色设定、结构化输出等）本质上是通过额外语言约束缩小模型的输出分布，引导到更贴近用户意图的概率区间75% similarUnverified提示词的具体程度（specificity）决定了护栏的灵活程度，高度规则化的提示导致模型机械执行同一策略，精细化情境感知提示则能让模型因应不同学习状态选择回应74% similarUnverified分词特征差异发生在推理链路底层，难以通过提示工程掩盖，可作为模型识别手段74% similarUnverified评估指标以各模型自身正常散文输出为基线，采用各模型自身分词器计算的Token数以保证比较公平性74% similarUnverified用户的点赞、纠错、重试、改写等行为本质上是隐式偏好信号，能持续校准模型的输出分布74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/979861API
curl https://kongchang.com/api/v1/knowledge/claims/979861MCP
get_claim(id=979861)