释义引起的输出模式崩溃：当 LLM 在语义等效输入下中断字符时

当请求的实质性内容被重写时，大语言模型 是否仍然按照原始任务要求的格式回答？我们发现它们通常不会，即使在零温度下也是如此。在对 5 个紧凑的 2025 时代 LLM 和四种任务类型进行 150 个查询评估时，我们观察到一种系统性故障模式，我们称之为提示变体输出模式崩溃：当封闭式提示要求裸标签或单个选择标记时，保留内容的提示变体可以将模型推入会话散文中，所请求的格式消失，并且精确匹配评估管道默默地误判结果。为了使这一点变得可测量，我们发布了 PARACONSIST，这是一个包含 150 个基本查询的 900 个提示基准，每个查询有 5 个词汇、句法和语义扩展提示变体，以及一个语义一致性得分，它将提示变体稳健性分解为答案一致性、句子 BERT 语义相似性和长度稳定性。在全字答案集匹配下，只有约 22% 的封闭形式变体响应在其输出中保留 真值 标签，而约 78% 完全偏离答案空间。在我们的池中，崩溃的主要预测因素是任务结构而不是模型身份，模型差异由答案一致性和长度稳定性共同承担。因此，稳健性审核应跟踪响应模式保留，将其与答案准确性一起作为一流的可靠性目标。