few-shot 例子质量参差，把输出拉下来了
5 个 few-shot 例子，2 个很好、3 个一般。模型按平均靠拢，倒向那 3 个一般的。质量方差为什么伤、怎么挑例子。
#llm-output
带有该标签的文章
模型返回非法 JSON——因为 schema 是描述、不是强制
你让它按 schema 返 JSON。95% 合法，3% 在 JSON 外面包了散文，1% 漏字段，1% 类型错。描述 vs 强制，在 API 层修。
模型编造假引用和假 URL
模型给的引用看起来像 Smith et al. 2019——但论文根本不存在。或者给的 URL 404。引用幻觉为什么发生、怎么压住。
模型用错语言回复
你用英文 prompt，结果它用中文回；或者中途从英文切到西班牙文。语言漂移的根因和怎么锁死输出语言。
回答被截断在半句话，因为 max_tokens 设太低
模型回复中途断掉，JSON 没闭合、代码块缺反引号。绝大多数是 max_tokens。怎么估算、怎么检测、怎么恢复。
Prompt 要 10 条，模型给 3 条就停
你让它给 10 个想法，它给了 3 个然后断了。或者凑齐 10 条但后面 4 条是水。list-N 任务为什么 under-deliver、怎么真的拿到 N 条。
Prompt 里写着过时的年份，把模型锚在错的 context
2026 年了 prompt 模板里还写 2023。模型按 2023 回答——推荐过时的 API、过时定价、过时的事实。日期 staleness 会复利，怎么让 prompt 常青。