待验证50% 置信观点精确时间
LLM在标题摘要筛选和全文筛选等高召回筛选任务中表现可靠，但在证据完整提取任务中表现明显下滑，仍需人类主导
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证Because LLM training data typically comes from large-scale web scraping and many benchmark questions are publicly available online, benchmark contamination is an almost unavoidable systemic problem65% 相似待验证LLM生成的虚假学术引用往往具有极高的可信外观，作者名、期刊名、年份、标题都遵循合理的分布，但组合结果可能从未真实存在65% 相似待验证分解子域行走目前仍属较为前沿的研究方向，社区讨论与独立验证尚不充分，具体实现细节和性能基准数据有待原始论文或代码佐证64% 相似待验证绝大多数LLM评测工具只在答案已经呈现给用户之后才进行打分，无法实时拦截错误输出64% 相似待验证LLM代码审计难以进行跨文件、跨函数调用链的精确状态追踪，也无法像模糊测试那样实际运行代码来发现运行时漏洞63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/893428API
curl https://kongchang.com/api/v1/knowledge/claims/893428MCP
get_claim(id=893428)