待验证50% 置信事实精确时间
LLM研究的复现面临特殊困难：研究对象（模型）本身在漂移，同一提示词和评测流程下，新版本模型的输出分布可能已明显不同。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
旧结论遇新模型：LLM复现研究的启示
hackernewshackernews2026/11/3
涉及实体
相关事实
已验证LLM的输出具有天然的非确定性，即使输入相同的Prompt，模型在不同时刻可能返回格式、内容甚至逻辑不同的结果75% 相似已验证LLM的不一致性与模型的温度参数和随机采样过程密切相关，同一问题多次调用同一模型可能产生不同答案73% 相似待验证LLM 推理基础设施中，当多个模型版本共享同一推理集群时，某个版本的流量激增或模型加载异常可能挤占其他版本的资源，导致特定模型错误率上升而平台其他服务看似正常。72% 相似待验证模型漂移可能导致依赖LLM的生产系统下游解析逻辑静默失效，系统不报错但输出偏离预期71% 相似待验证大量LLM论文的结论实际上是'某个时间点的某个模型表现出某种行为'，却常被表述为关于'LLM'的一般性论断；模型换代后这些论断既未被证伪也未被证实，只是悄悄失效。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130383API
curl https://kongchang.com/api/v1/knowledge/claims/1130383MCP
get_claim(id=1130383)