哪些题会受影响很难预测

sanmikoyejo · x · 2026-07-16

作者指出，哪些问题会受到上下文影响，在不同模型之间差异非常大。他们计算了各模型之间“每个样本性能变化”的皮尔逊相关，结果接近 0，说明这种失败模式很难只靠题目本身预测出来。