待验证50% 置信事实精确时间

非文本信息（如图像、表格、代码、传感器数据）输入LLM时往往需先序列化为文字描述，造成信息损耗和token浪费

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

非文本AI模型Jev引爆市场：开发商估值75亿美元

涉及实体

相关事实

待验证大语言模型通过反向传播算法将文本统计规律编码进参数中，不以传统方式存储原始数据，但高频文本可能产生记忆化现象并近乎逐字输出71% 相似待验证LLM 生成的文档措辞得体、格式工整，反而可能掩盖其中的错误69% 相似待验证生成式摘要因模型用自己的语言重新组织内容而可能引入原文没有的信息，即事实漂移（factual drift）68% 相似待验证扩散模型生成图像时通过文本编码器将语义信息转化为向量引导去噪，而非从数据库检索已有图片67% 相似待验证文本切分粒度过大会导致检索返回的文本包含大量无关信息；切分粒度过小则可能丢失上下文语义67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1000387

API

curl https://kongchang.com/api/v1/knowledge/claims/1000387

MCP

get_claim(id=1000387)