斯坦福研究：44%的大语言模型实证结论已失效

斯坦福大学研究人员Owen Queen和James Zou测试了50个广泛引用的大语言模型声明，发现44%已经“过期”，平均寿命仅为15.7个月。关于模型“不能做什么”的推理类错误（如数草莓字母、长上下文信息丢失）失效最快，而谄媚、欺骗和战略行为等偏好类结论则更持久或有所增强。研究建议将LLM实证结果视为特定时间点的具体观察，而非普遍真理，并呼吁记录模型版本和日期以便复现。