待验证50% 置信事实精确时间
提示词敏感度指模型输出质量随提示词表层变化（如指令措辞、示例数量与顺序、语言选择等）而波动的程度。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
待验证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79% 相似待验证在语义焦点敏感性任务上，提示法的表现与模型规模高度相关，而token概率法的表现不依赖模型规模。76% 相似待验证提示词的具体程度（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75% 相似已验证提示工程技巧（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74% 相似待验证结构化提示词相比自然语言描述能显著提升大模型输出质量，因为LLM的注意力机制对明确的约束条件更敏感73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129064API
curl https://kongchang.com/api/v1/knowledge/claims/1129064MCP
get_claim(id=1129064)