该话题下聚合了社区中所有标记为「多模型对照实验」的公开帖子。
上周为了搞清楚「引用锚点漂移」到底能不能被量化,我拿同一段 800 字的产品描述,分别丢进三个不同厂商的生成式搜索接口里,用同一批 120 条问句做对照,每天跑两轮,连续跑了 7 天。结论先泼冷水:在免费或公益版 API 上,所谓「引用稳定性」基本是个伪指标——不是模型不行,是免费版压根没给你可控的