一句话看懂：Hugging Face Papers 收录的一篇论文指出，大模型在单次提示里组合多个任务时错误率明显上升，原因可能是模型对每个任务分配的“隐式思考预算”被压缩，而非单纯误差累积。
事件核心：发生了什么
论文摘要显示，研究团队测试了开源权重模型以及前沿闭源模型 Claude Opus 5。结论是：当多个任务被放进同一个提示（composition）时，模型每个任务消耗的 token 数比单独处理时少很多，即使整段对话远未触及上下文窗口上限。需要更长推理链的任务在组合场景下更“脆弱”，出错更多；而单独处理时，这类任务又会获得超出所需的推理量，造成算力浪费。摘要还提到，按任务脆弱性分组后，可通过调节这种隐式预算，在数学和语言任务上减少 43% 的 token 用量并保持准确率。上述结果仅来自论文摘要，全文实验细节和同行评审状态尚未在素材中体现。
为什么重要
这触及大模型应用的一个现实问题：用户习惯把一个提示塞进多个需求，API 调用方也常把任务合并以省成本。如果模型在组合时自动“克扣”每个任务的推理量，单纯增加上下文窗口并不能解决质量问题。对行业而言，这意味着评测模型不能只看单任务成绩，多任务组合下的稳定性可能成为新的竞争维度；同时，“按脆弱性调度任务”的思路也为推理成本和 API 计费优化提供了可操作方向。
对用户/开发者/创作者的影响
开发者如果把多个子任务打包进一次 API 请求，需要留意组合后准确率下降的风险，可通过拆分提示、显式要求逐步推理来缓解。企业采购和评估大模型时，应把多任务组合测试纳入基准，而不只依赖单项榜单。内容创作者用一次提示生成多段内容时，也可能遇到后段质量下滑。论文提出的分组策略若能落地，有望在保持精度的同时降低推理开销，对成本敏感的 AI 应用有参考价值。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文全文是否公开更完整的实验设置和复现结果；二是这种隐式预算能否通过提示工程或 API 参数显式控制；三是主流闭源与开源模型是否会在多任务组合评测上跟进优化。目前公开信息显示，该研究仍是论文阶段，尚未对应任何已上线产品或功能。
