待验证50% 置信预测精确时间
语言模型要真正掌握非线性叙事，可能需要在训练中显式地建模叙事结构，而非仅从海量文本中隐式地习得。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
大模型会讲倒叙故事吗？非线性叙事基准测试揭示能力边界
rss2026/10/15
涉及实体
相关事实
待验证大语言模型续写时受训练数据叙事惯例和用户提示词双重影响，隐性冲突时倾向遵循更流畅的叙事走向而非严格遵守自定义规则80% 相似待验证主流文本嵌入模型通常基于对比学习训练，将语义相似的文本对映射到向量空间邻近位置，将不相关的文本对推远76% 相似待验证多模态模型的文本识别并非通过独立OCR子模块实现，而是作为视觉-语言对齐训练的产物内嵌在模型权重中，图片文字与普通文本共享同一套语义处理管线69% 相似待验证LLM通过在海量文本语料上训练学会人类语言中词语共现的统计规律、语法结构和修辞模式，但生成过程不涉及对内容的理解或意图69% 相似待验证语言模型从文本和图像中习得的是统计相关性，而非可微的物理仿真器69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046834API
curl https://kongchang.com/api/v1/knowledge/claims/1046834MCP
get_claim(id=1046834)