是支架而非词汇？一项关于波普尔式代码生成技能的受控、双层、预注册研究

大型语言模型常被赋予模仿科学家推理的提示“技能”（如波普尔证伪主义）以提升代码质量，但现有评估多存在偏差。本研究通过预注册的双层消融实验，对比了完整技能、仅标签支架及安慰剂对照组。结果显示，在前沿模型上因天花板效应未检测到差异；在小模型上，结构化支架显著提升了正确率，但完整技能相比仅标签支架并无额外收益。结论表明，性能提升主要源于提示的结构框架而非具体的波普尔程序内容。