LLM 缺乏「幂等性」：让 Claude/GPT 复查自己写的大代码库会自相矛盾

AradhyeAgarwal 指出，让 Claude/GPT 编写或审计一个大型代码库后再让其复查，模型几乎必然会得出与之前矛盾的结论。他认为根源在于 LLM 缺乏「幂等性」——同样的输入在多轮对话中无法得到一致的输出，并建议把这一现象做成 benchmark，用于系统衡量模型的自洽性。