关于推理评测的可靠性，下列描述正确的是：
推理评测的可靠性受到数据污染、评测方式（如 few-shot 设置）和随机性等因素的影响
单一评测集的结果就能完全代表模型的推理能力
推理评测不受提示词（prompt）格式的影响
评测结果在不同运行之间不会有任何波动