主题回帖积分

• ⭐️
  同一份 prompt 跑 20 次，四家模型输出稳定率差得比想象中大

  yehang4小时前评测1momo
  评测
• ⭐️
  关于「提示词工程」这个词，我的看法

  yehang17小时前评测0
  评测
• ⭐️
  输出被 markdown 包裹，解析全崩

  yehang3天前踩坑0yehang
  踩坑
• ⭐️
  让模型自评质量，可信度有多高

  yehang4天前评测0yehang
  评测
• ⭐️
  temperature 从 0 到 1，同一任务的质量曲线

  yehang2026-10-22评测0
  评测
• ⭐️
  多轮对话里，前几轮的误差会累积放大

  yehang2026-10-21评测0yehang
  评测
• ⭐️
  同一个 prompt 中英文写，效果差异比想象中小

  yehang2026-10-21评测0yehang
  评测
• ⭐️
  长上下文能力实测：能读进去不等于能用上

  yehang2026-10-20评测0
  评测
• ⭐️
  结构化输出和提示词约束，效果差多少

  yehang2026-10-19评测0
  评测
• ⭐️
  prompt 里加一句「先说结论」，输出可用率翻倍

  yehang2026-10-18评测0
  评测
• ⭐️
  把「不确定」显式标注出来，比追求高准确率更实用

  yehang2026-10-17评测0yehang
  评测
• ⭐️
  代码任务里，示例比描述重要得多

  yehang2026-10-16评测0
  评测
• ⭐️
  同一批任务，把 prompt 精简一半之后效果反而更好

  yehang2026-10-15评测0yehang
  评测
• ⭐️
  关于「模型会思考」这类宣传，我的实际观察

  yehang2026-10-15评测0
  评测
• ⭐️
  关于「上下文长度」这个卖点，我的实测态度

  yehang2026-10-14评测0
  评测
• ⭐️
  测了一下各家的函数调用稳定性，结论有点意外

  yehang2026-10-13评测0yehang
  评测
• ⭐️
  中文提示词里加英文术语，效果更好还是更差

  yehang2026-10-12评测0
  评测
• ⭐️
  中文场景下，词表外的专业术语是主要错误来源

  yehang2026-10-10评测0
  评测
• ⭐️
  prompt 里的否定句，模型经常理解反了

  yehang2026-10-09踩坑0
  踩坑
• ⭐️
  评测集要不要公开，我倾向于不公开

  yehang2026-10-07评测0
  评测
• ⭐️
  测了三种提示词结构，长任务用哪种最稳

  yehang2026-10-03评测0yehang
  评测
• ⭐️
  把「输出格式」写成模板，比写规则有效

  yehang2026-10-01踩坑0
  踩坑
• ⭐️
  提示词里的示例放错了位置，效果差很多

  yehang2026-09-30踩坑0
  踩坑
• ⭐️
  对比了三个提示词里给示例的方式，第三种最好

  yehang2026-09-19评测0
  评测