上下文示例抑制大语言模型中的科学知识回忆

科学推理往往需要从数据中揭示隐藏结构，而非仅依赖可观测信息。本文指出，尽管大语言模型（LLM）能回忆并应用科学公式，但引入上下文示例会显著抑制这种能力，使模型转而依赖经验模式拟合而非预训练领域知识。研究在五个科学领域的 60 项潜在结构恢复任务中验证了这一“知识位移”现象。虽然准确性变化不一，但模型始终偏离了知识驱动的推理路径。这对将 LLM 部署于科学任务的应用者提出了警示：上下文示例可能削弱而非增强预期的知识支持。