“Are You Sure?” 使 Qwen2.5-1.5B 在 3 次回答中 2 次翻车

一篇测试文章显示，Qwen2.5-1.5B 在面对“Are You Sure?”提示词时，被误导两次给出错误答案。测试使用了三个小型开源模型和150个MMLU问题，五种反驳风格中“那是错误的”影响最大，指出错误选项几乎导致模型彻底失败。该测试结果揭示了提示词对模型输出的显著干扰作用。