模型规模
指AI模型参数量的量级，通常与模型能力涌现相关，更大规模模型在证据整合、冲突检测等复杂任务上表现更强。
时间轴 (近 90 天)
在语义焦点敏感性任务上，提示法的表现与模型规模高度相关，而token概率法的表现不依赖模型规模。
一般来说，更大的模型表现更好、更可靠，每 token 成本更高，对冷门事实的召回更好。
模型规模是解释 LLM 性能很大一部分变化的一个变量。
经过医学领域微调的模型以及规模更大的模型，在面对患者错误信念时更不容易改变诊断。
UvA-MT的提交表明推理时计算正在成为与模型规模同等重要的杠杆。
编排可靠性不是一种可以用更大参数量买到的模型能力，而是循环结构本身的属性。
模型规模的阈值效应（约3B起效）为部署决策提供了参考，同时暗示小模型可能需要其他补偿手段。
召回质量比模型规模更影响最终产出，索引粒度、更新时机、片段排序都会直接改变生成结果的可用性。
文件越小、参数量越低的模型，性能表现通常越有限
全部知识事实 (10)
在语义焦点敏感性任务上，提示法的表现与模型规模高度相关，而token概率法的表现不依赖模型规模。
50%待验证一般来说，更大的模型表现更好、更可靠，每 token 成本更高，对冷门事实的召回更好。
50%待验证模型规模是解释 LLM 性能很大一部分变化的一个变量。
50%待验证经过医学领域微调的模型以及规模更大的模型，在面对患者错误信念时更不容易改变诊断。
50%待验证UvA-MT的提交表明推理时计算正在成为与模型规模同等重要的杠杆。
50%待验证编排可靠性不是一种可以用更大参数量买到的模型能力，而是循环结构本身的属性。
50%待验证模型规模的阈值效应（约3B起效）为部署决策提供了参考，同时暗示小模型可能需要其他补偿手段。
50%待验证召回质量比模型规模更影响最终产出，索引粒度、更新时机、片段排序都会直接改变生成结果的可用性。
50%待验证文件越小、参数量越低的模型，性能表现通常越有限
50%待验证思维链推理的效果随模型规模呈现涌现性，在较小模型上几乎无效，在足够大的模型上才能显著提升推理准确率
50%