待验证50% 置信观点精确时间

4B 参数的小模型由于知识容量和指令跟随能力有限，幻觉率通常高于大型托管模型。

1

来源数

50%

置信度

长期有效

时效性

2026/10/15

首次发现

来源

Listing Writer：开源AI工具秒写Etsy与eBay商品列表

rss2026/10/15

涉及实体

Gemma 3 (4B)model 大语言模型幻觉concept

相关事实

已验证4-bit量化会带来一定精度损失，但在许多实际任务中表现与原始模型相差无几73% 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73% 相似待验证小模型对数据分布更敏感，同样的数据补充量在 4B 模型上的边际效果往往比大模型更明显，但也更容易过拟合或遗忘72% 相似待验证本地 Reflex 4B 模型的优势是数据不离开本机，代价是需自行搭建推理服务且低端硬件上延迟可能高于云端72% 相似待验证研究表明幻觉率与提示词的知识密度呈负相关，提示词中提供的精确上下文越丰富，模型生成虚构内容的概率越低71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1034002

API

curl https://kongchang.com/api/v1/knowledge/claims/1034002

MCP

get_claim(id=1034002)