越大越不稳？Anthropic 揭示大模型在复杂任务下的一致性隐忧

Anthropic 的最新讨论揭示了一个反直觉的现象：随着模型规模的增大和任务复杂度的提升，模型在多次回答同一问题时的一致性反而出现下降。这一发现挑战了“越大越好”的行业共识，表明单纯追求参数量的扩张可能导致输出结果的不可预测性增加。对于追求高可靠性和确定性的企业级应用（如金融分析、自动驾驶）而言，这意味着必须重新审视现有的模型评估体系，不能仅以单一能力指标作为衡量标准，需在模型规模与输出稳定性之间寻找新的平衡点。