待验证90% 置信事实时间未知
同一大语言模型在不同硬件上可能产生不同推理结果，甚至同一硬件上重复运行也可能出现微小差异
1
来源数
90%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
MARVIS项目：嵌入式AI Agent赋能太空自主探索全解析
bilibiliRocketLab
涉及实体
相关事实
待验证在大语言模型底层，系统提示词、用户输入和模型输出都是同一个token序列的不同片段，依靠特殊分隔符和训练时植入的行为模式维持边界，而非硬件或操作系统级别的隔离75% 相似待验证仅仅改变输入文本的措辞和结构，就能让同一个模型的性能产生数十个百分点的差异71% 相似待验证由于大语言模型的采样机制，两次调用同一知识点产出的页面在排版和表达上会有差异，但核心知识结构和交互功能保持一致69% 相似待验证研究者在分析多语言BERT（mBERT）内部表示时发现，即便没有平行语料的明确监督，模型也能自发学到不同语言相同概念在向量空间中高度相似的对齐结构69% 相似待验证当差异来源于后端（如不同引擎的基础模型不同导致格式差异）时，应用提示词模板加插槽处理——模板负责任务本身，插槽负责下游多样化差异66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/21618API
curl https://kongchang.com/api/v1/knowledge/claims/21618MCP
get_claim(id=21618)