Appier研究团队质疑大语言模型在结构化生成任务中的表现，认为结构化生成的限制显著影响性能。与非结构化生成相比，结构化生成的结果较差。通过重新测试和分析，发现论文存在多个关键问题，实际上结构化生成提升了性能。团队强调正确的提示设计对结果的准确性至关重要，并指出结构化生成的潜力和重要性。

Hugging Face的研究团队发现提示格式微小变化对评估结果有很大影响，探讨了提升不同提示格式一致性的方法。通过MMLU任务的分析，发现微小变化会导致模型性能波动，结构化生成可以提高提示的一致性和模型性能。初步结果令人鼓舞，但需要在更多模型和任务中验证。