待验证60% 置信事实精确时间

大型语言模型的训练语料可能包含未正式发表的学术预印本、研究笔记等，引发数据污染问题

2

来源数

60%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

OpenAI疑似抢发数学证明引争议：AI时代学术归属难题何解

涉及实体

数据污染concept 大型语言模型concept

相关事实

待验证当训练数据中某些文本出现频率极高时，大语言模型可能产生记忆化（Memorization）现象，能够近乎逐字输出特定段落77% 相似待验证大语言模型在训练中学习的是语言模式而非事实数据库，因此可能自信地生成不存在的案例引用、错误的法条编号或虚构的合同先例77% 相似待验证随着大语言模型在论文写作中的广泛应用，引用相关的学术不端问题日益突出76% 相似待验证大型语言模型在海量语料上训练，其中可能已经包含大量数学文献、解题过程甚至类似问题的答案75% 相似待验证研究者坦承该模型在文本任务上仍远不如在数万亿token上训练的经典语言模型74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893161

API

curl https://kongchang.com/api/v1/knowledge/claims/893161

MCP

get_claim(id=893161)