指令容量测量方法发布并测试GPT-4o mini

2026 年 10 月 28 日，Hennadii Kutomanov 在 arXiv 发布论文《指令容量：受控负载下语言模型的行为与退化》。该研究通过 2958 次请求和 642,430 次试验构建了统计模型，量化规则数量和密度对指令遵循的影响，并测试了 GPT-4o mini 模型。 在受控条件下，GPT-4o mini 在 95% 正确率下的指令容量为 37 至 38 条规则，当密度增加时全密度下降至 18 至 19 条。研究公开了测量代码、原始数据以及“护照”文件，其中所有数据均可从发布点重新计算。 该研究所获得的“护照”数据可作为未来评估 Prompt 指令负载的校准基准。作者声明了测量工具代码和实验数据的开放性，以便后续研究验证这些规律。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。