待验证50% 置信事实精确时间
大语言模型（LLM）的训练数据以人类语言为主，如果语言本身携带隐藏偏见，那么模型输出也可能放大这些偏见。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/25
首次发现
有效期至：2027/1/23
来源
涉及实体
相关事实
已验证LLM通过在海量文本语料上进行无监督预训练（预测下一个词）来习得语言能力76% 相似待验证对编程语言而言，泛化能力意味着即使某语言未直接出现在训练数据中，LLM也能借助跨语言的共性进行迁移推理。75% 相似待验证现有的大语言模型（LLM）在面对涉及主观认知的问题时，只能从语言表层做统计推断，难以解释心理状态及其变化。74% 相似待验证传统n-gram模型和单语训练的神经语言模型在遇到跨语言词序列时会给出极低的概率分数，导致解码器倾向于将外语词强行映射为发音相近的本语言词74% 相似待验证大型语言模型的涌现能力被部分研究者视为通用智能信号，但也有研究者认为这些能力可能仍是对训练数据隐含模式的高效压缩与检索73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1097874API
curl https://kongchang.com/api/v1/knowledge/claims/1097874MCP
get_claim(id=1097874)