大语言模型任务组合的脆弱性：隐式思考预算研究
arXiv 论文发现，语言模型在单个提示词中组合多个任务时错误率显著上升，即使各任务单独都能可靠解决。研究指出其根源是“隐式思考预算”：组合时模型每任务使用的 token 少于单独执行，且远未耗尽上下文窗口，单独需要更长推理链的任务在组合下更脆弱，涵盖开源模型与 Claude Opus 5。按任务脆弱性分组可操纵隐式预算，在数学与语言任务上减少 43% token 用量并保持准确率。
arXiv 论文发现，语言模型在单个提示词中组合多个任务时错误率显著上升，即使各任务单独都能可靠解决。研究指出其根源是“隐式思考预算”：组合时模型每任务使用的 token 少于单独执行，且远未耗尽上下文窗口，单独需要更长推理链的任务在组合下更脆弱，涵盖开源模型与 Claude Opus 5。按任务脆弱性分组可操纵隐式预算，在数学与语言任务上减少 43% token 用量并保持准确率。