待验证50% 置信事实精确时间

LLM幻觉问题源于模型基于概率预测生成文本而非检索真实数据，在涉及具体统计数字、引文来源和法律条款时尤为危险

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

非洲AI治理全景：AFTEC政策追踪器深度解读

相关事实

待验证直接让 LLM 生成 SQL 风险很高，因为模型不了解表结构、字段含义和业务定义，容易生成语法正确但结果错误的查询74% 相似已验证大语言模型存在幻觉问题，可能编造不存在的参考文献、虚构实验数据或给出错误的统计数值71% 相似待验证基准过拟合和数据污染会导致模型通过记忆而非真正理解获得高分，使公开基准分数可信度存疑68% 相似待验证LLM不维护事实数据库，也没有'是否真的执行了某操作'的元认知能力，当上下文强烈暗示某种输出模式时会以高置信度生成符合该模式的文本，即使内容完全虚构66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/522862

API

curl https://kongchang.com/api/v1/knowledge/claims/522862

MCP

get_claim(id=522862)