根据推特用户God of Prompt的分析，将AI模型的temperature参数从0.7降低到0.3，在TruthfulQA评测中“真实”分数提升了17%，但这并未提升真实准确性，只是让模型更保守、更多使用“我不知道”等表述（来源：twitter.com/godofprompt/status/2011366460321657230）。这暴露了TruthfulQA基准测试的局限性，其主要衡量AI回答的保守程度而非实际准确率，对AI企业在实际业务中的表现评估和信任度产生重要影响。