斯坦福研究发现大模型演进迅速，44%的历史能力论断已失效

斯坦福大学研究人员测试了 50 项关于大语言模型的引用论断，发现其中 44% 已经失效，结论的平均有效寿命仅为 15.7 个月。关于模型“无法做到”的推理能力缺陷失效最快，而讨好用户等行为偏好则更为持久。研究指出同代模型间差异显著，呼吁将大模型实证研究界定为特定时间节点的观察而非普遍真理。