已验证75% 置信事实精确时间

当训练数据中存在矛盾信息或模型被问及训练数据稀缺领域时，幻觉出现概率显著上升

3

来源数

75%

置信度

长期有效

时效性

2026/7/14

首次发现

来源

热爱LLM却厌恶炒作：工程师如何理性看待大语言模型

相关事实

已验证大模型输出的是最可能出现的下一个词而非对事实的精确检索，在训练数据覆盖稀疏的领域会产生幻觉83% 相似已验证大模型幻觉产生的三大原因是训练数据噪声、概率优先机制和数据时效性不足82% 相似已验证认知不确定性源于训练数据不足可通过增加数据减少，随机不确定性源于数据固有噪声无法通过增加数据消除78% 相似待验证另一种假说认为非可验证领域的进步仅来自训练中不断注入的大规模新人类数据，若高质量人类数据枯竭则这些能力会触及天花板77% 相似待验证由于模型训练数据存在截止日期且无法实时联网核实（除非集成搜索插件），政治场景中高时效性信息的幻觉风险尤为突出76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/504034

API

curl https://kongchang.com/api/v1/knowledge/claims/504034

MCP

get_claim(id=504034)