待验证50% 置信事实精确时间
Perplexity基于实时网络搜索结果作答，而ChatGPT和Gemini更多依赖训练数据
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/12
首次发现
有效期至：2027/1/10
来源
涉及实体
相关事实
待验证研究表明在某些条件下（如训练数据中某段文本出现频率极高），模型可能逐字逐句地再现训练数据中的原始内容，Google DeepMind和加州大学伯克利分校的研究人员在2023年成功从ChatGPT中提取出了训练数据的原始片段67% 相似待验证插件机制用于弥补大模型知识库是预训练的、静态的、有截止时间这一固有短板——模型无法回答训练截止后发生的事件，必须调用搜索类插件进行实时检索。66% 相似待验证深度学习训练的梯度同步瓶颈使得低耦合任务（如批量推理、超参数搜索、渲染）更适合P2P架构，而分布式训练不适合66% 相似待验证主流基准测试题目在互联网上已被广泛讨论，模型训练数据中可能存在对题目的记忆，导致基准分数高估模型在真实未见任务上的能力64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002525API
curl https://kongchang.com/api/v1/knowledge/claims/1002525MCP
get_claim(id=1002525)