待验证50% 置信观点精确时间

让 LLM 自我评判答案是否正确是循环论证，因为幻觉和正确输出在结构上可能无法区分。

1

来源数

50%

置信度

长期有效

时效性

2026/10/18

首次发现

来源

当LLM遇见知识图谱：如何让数据库诚实地说“我不知道”

涉及实体

LLM-as-a-Judgeconcept

相关事实

待验证LLM在涉及精确数值计算、多步逻辑推导时容易产生形式正确但内容错误的幻觉输出79% 相似待验证LLM存在幻觉问题，可能以高度自信的语气生成看似合理但实际错误的金融逻辑76% 相似已验证LLM产生幻觉的深层机制在于模型被优化为生成'听起来合理'的文本而非'事实准确'的文本，模型没有独立的知识检索模块76% 相似已验证LLM幻觉的根本原因在于自回归生成机制——模型基于概率分布预测下一个Token，而非真正的逻辑推理76% 相似待验证LLM驱动的规划循环在工具调用遇错且无明确退出条件时，往往会自主决定重试，因为重试在逻辑上总是合理的75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1063212

API

curl https://kongchang.com/api/v1/knowledge/claims/1063212

MCP

get_claim(id=1063212)