为什么团队应避免在同一次评测中同时修改提示词和模型？

为什么团队应避免在同一次评测中同时修改提示词和模型？

1. 一次只改一个主要变量，才能判断回归来源，并明确回滚对象。
2. 模型与提示词同时变化时，模型 API 会拒绝请求。
3. 一个评测集只能包含一个提示词版本。
4. 修改提示词的成本总是高于修改模型。