待验证50% 置信观点精确时间

V7研究表明幻觉率下降来自两方面：模型对知识边界的判断更准确，以及上下文图谱在数据摄入阶段过滤了不应记住的事实。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/21

首次发现

有效期至：2027/1/19

来源

V7用GPT-5.6 Luna降本78%：工具调用错误率仅0.2%

涉及实体

V7company 上下文图谱concept 幻觉率concept

相关事实

待验证微调对注入事实性知识的效率很低，更擅长调整行为模式而非记忆具体事实，知识缺失问题应用RAG处理更高效76% 相似待验证如果知识库本身混乱、过时或互相矛盾，检索到的上下文会误导模型，输出质量反而下降。74% 相似待验证通过RAG加载外部知识库可以同时降低幻觉率和空答率，但在外部知识固定的情况下两者呈此消彼长的关系74% 相似待验证基准过拟合和数据污染会导致模型通过记忆而非真正理解获得高分，使公开基准分数可信度存疑73% 相似待验证如果记忆库中充斥着重复、过时或互相矛盾的条目，检索结果就会包含大量低价值信息，挤占上下文空间，甚至误导模型，即上下文污染。72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1083680

API

curl https://kongchang.com/api/v1/knowledge/claims/1083680

MCP

get_claim(id=1083680)