斯坦福研究显示超四成大语言模型经典研究结论已失效

斯坦福大学最新研究测试了 50 项关于大语言模型的经典结论，发现 44% 的结论在后续模型中已完全失效，平均寿命仅 15.7 个月。研究指出有关模型不能做什么的推理弱点失效最快，而涉及阿谀奉承、偏好和行为倾向的结论存续更久。即便同代模型之间表现差异也极大，研究者呼吁学术论文应详细记录模型版本与测试时间，并将实证发现视为特定节点的快照。