待验证50% 置信事实精确时间
一篇arXiv论文（arXiv:2609.15990v1）横跨12个开源权重模型、2类任务和2种架构，研究少样本提示有时使模型表现变差的问题
1
来源数
50%
置信度
长期有效
时效性
2026/9/16
首次发现
来源
涉及实体
相关事实
待验证在项目反应理论（IRT）框架下，当所有被测模型都处于高能力区间时，测试信息函数急剧下降，解决方案是引入更高难度的项目将信息函数峰值右移64% 相似待验证编程场景对模型能力要求极高，弱模型与强模型在代码生成上的表现相差数个数量级，同一编码任务弱模型经过数十次尝试仍无法解决，而强模型第一次运行即可通过编译。61% 相似待验证同一份提示词，7B或13B级别的本地模型可能只能部分理解Opus能准确执行的复杂约束60% 相似待验证让大模型一句话生成完整App往往产出结构混乱、难以修改的结果，被称为"一次性生成的脆弱性问题"（one-shot fragility），任务复杂度超阈值时全局一致性急剧下降60% 相似待验证针对具体模型缺陷设计小批量高质量样本的做法被称为靶向数据工程，且小模型对数据分布比大模型更敏感60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/924774API
curl https://kongchang.com/api/v1/knowledge/claims/924774MCP
get_claim(id=924774)