已验证70% 置信事实精确时间

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

4

来源数

70%

置信度

长期有效

时效性

2026/7/24

首次发现

来源

零基础入门大模型微调：原理、场景与实战路径

相关事实

已验证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83% 相似已验证仅凭相对少量的针对性训练数据，就能让大语言模型对明确事实给出完全错误的回答78% 相似已验证模型微调的真正难点在于高质量训练数据的构建与清洗、防止灾难性遗忘，以及量化后的推理部署77% 相似待验证模型规模越大，幻觉的表述往往越流畅、越具迷惑性，识别难度反而上升77% 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76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/607140

API

curl https://kongchang.com/api/v1/knowledge/claims/607140

MCP

get_claim(id=607140)