待验证50% 置信基准精确时间

一个675B参数的大模型在工具幻觉上的表现与7–8B的小模型不相上下，说明模型规模无法解决工具幻觉

1

来源数

50%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

工具幻觉：LLM智能体的结构性盲区与闭世界防御

涉及实体

Closed-World Resolution Against Tool Hallucination in LLM Agentsconcept

相关事实

待验证工具参数描述过于宽泛会导致模型产生幻觉参数，过于严格则限制工具的适用范围与灵活性74% 相似已验证研究表明幻觉率与模型规模并不呈线性负相关，更大的模型有时反而会以更流畅的方式产生更难被察觉的错误信息71% 相似待验证对于参数量在70B以上的模型，单机或单节点的显存往往无法容纳完整模型，此时Megatron式的模型并行几乎是必选项70% 相似待验证当工具规模扩展到数十上百个时，工具描述之间的语义重叠会导致模型产生选择困惑，工具数量少于10个时模型通常能准确匹配67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931268

API

curl https://kongchang.com/api/v1/knowledge/claims/931268

MCP

get_claim(id=931268)