待验证50% 置信事实精确时间
一篇arXiv研究（arXiv:2609.17542）表明复杂度路由并非'语域中立'，用非标准英语语域书写的文本会被系统性地分配到能力更低的模型层级
1
来源数
50%
置信度
长期有效
时效性
2026/9/17
首次发现
来源
涉及实体
相关事实
待验证一篇发表于 arXiv 的研究（arXiv:2609.10758）选取乌尔都语作为代表性低资源语言，检验当代 LLM 在开放式文本生成任务中的表现76% 相似待验证Arditi风格编辑源自2024年Andy Arditi等人的研究，核心发现是大语言模型的拒绝行为可以被定位到残差流中的单一方向向量69% 相似待验证大语言模型生成的文本困惑度（Perplexity）偏低，词汇选择过于符合概率预期，缺乏人类写作的意外性68% 相似待验证一篇arXiv论文（arXiv:2609.10792）研究了Transformer模型在多语种可读性评估任务上的高准确率是真正理解语言难度结构还是仅捕捉训练数据表面模式67% 相似待验证非标准语域往往省略功能词（如冠词、系动词），使同样含义的句子字面更短，从而在长度导向的复杂度估计中显得更简单67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/928498API
curl https://kongchang.com/api/v1/knowledge/claims/928498MCP
get_claim(id=928498)