Hugging Face 研究：结构化生成提升提示词一致性与评测稳定性

Hugging Face 与 Dottxt 联合研究指出，LLM 评测结果对提示词格式高度敏感，微小变化可导致模型排名波动。通过 Outlines 库引入结构化生成约束输出，在 GSM8K 和 GPQA 任务中显著降低了性能方差，提升了不同提示词设置下模型排名的稳定性。