研究提出指令容量指标，测得 GPT-4o mini 约 37 条规则上限
原文标题：Instruction Capacity: Behavior and Degradation of Language Models under Controlled Load
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出「指令容量」这一带不确定度的量化指标，用无语义单词替换规则构造可控负载，将每次替换视为伯努利试验。对 GPT-4o mini 进行 2958 次请求、64 万余次试验的测量，得出在 95% 正确率下约可承载 37-38 条规则，满替换密度下约 18-19 条。作者开源了测量工具、数据与「护照」，可作为提示词指令负载计量的校准基准。
- 问题
- 模型遵循指令的能力随负载下降，但缺少带不确定度的「指令容量」量化指标。
- 方法
- 用无语义单词替换规则构造可控负载，每次替换视为伯努利试验，统计建模后反推指令容量。
- 结果
- GPT-4o mini 经 2958 次请求、64 万余次试验测得：95% 正确率下约 37-38 条规则，满替换密度下约 18-19 条。
- 影响
- 提示词工程有了可校准的负载计量单位，可用来判断系统提示是否已超出模型承载上限。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GPT-4o mini在95%正确率下约只能承载37-38条规则。
- •提出带不确定度的「指令容量」指标，以无语义单词替换规则构造可控负载
- •每次替换视为伯努利试验，统计模型刻画文本长度、词位置、替换密度、规则数等依赖
- •测量规模为2958次请求、642430次试验
- •95%正确率下容量约37-38条规则，满替换密度下约18-19条
- •工具代码、测量数据与「护照」均已开源
为什么重要：为提示词指令负载提供可校准的计量基准，对依赖长指令堆叠的应用开发者有直接参考意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。