斯坦福研究发现44%的LLM研究结论已失效

斯坦福研究人员用20个模型复测50项广泛引用的LLM结论，发现44%已经失效，另有34%显著减弱。22项有预计失效日期的发现平均寿命为15.7个月，推理相关结论衰退最快，而偏好和倾向类结论更持久。在文献引用测试中，GPT-6.1 Sol为0%、Claude Sonnet 5.5为1%，Qwen3.7-Flash为69%；研究建议记录模型版本、日期、提示词和分析代码，以便复测。