待验证50% 置信事实精确时间
语言模型智能体中的死循环现象被称为重复陷阱（repetition trap）或状态坍塌（state collapse），三值量化降低模型在长上下文下对微小语义差异的辨别力
1
来源数
50%
置信度
长期有效
时效性
2026/10/4
首次发现
来源
涉及实体
相关事实
待验证当前大语言模型生成的代码在物理模拟、碰撞检测、状态管理等游戏核心逻辑时容易出现数值溢出、死循环、交互响应不一致等问题71% 相似待验证'模型崩溃'（model collapse）指语言模型在混入大量同类模型生成的合成文本上反复训练时，逐渐丧失对低频真实知识的学习能力，输出趋向同质化并在几代迭代后显著退化69% 相似已验证由于大语言模型基于概率采样，即便指令写在上下文中，模型仍可能在复杂推理链中遗忘或跳过某些指令，这被称为指令遵循的不稳定性68% 相似待验证重复性乱码输出在学术界被称为 repetition degeneration（退化式输出），是大语言模型推理中的一种已知现象67% 相似待验证推理轨迹是大语言模型在生成最终答案前逐步输出的中间思考Token序列，能提升复杂任务准确率但消耗大量额外Token66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/973440API
curl https://kongchang.com/api/v1/knowledge/claims/973440MCP
get_claim(id=973440)