待验证50% 置信事实精确时间
semantic-registry的反馈学习并非对LLM本身进行微调，而是利用纠错信号更新检索层的排序策略。
1
来源数
50%
置信度
长期有效
时效性
2026/10/29
首次发现
来源
涉及实体
相关事实
待验证LLM在生成文本时并不维护一个可查询的事实数据库，而是根据上下文逐个预测下一个词；训练数据中高频、连贯、反复出现的信息会被更稳定地复现，而低频、矛盾或零散的事实容易被语言模型的流畅性平滑成看似完整的叙述。73% 相似已验证引用幻觉的根源在于LLM通过预测下一个词学习语言规律，训练过程中并未内嵌可供实时查验的事实数据库73% 相似待验证LLM的预训练本质是在海量文本上进行下一词预测（Next Token Prediction），通过Transformer架构的注意力机制建立词语间语义关联72% 相似待验证LLM训练过程中存在记忆化（memorization）现象，模型可能逐字存储训练数据片段并在推理时再现72% 相似待验证文中描述的反馈循环通过提示词迭代和少样本示例更新实现，属于上下文工程而非模型微调（Fine-tuning）71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1110468API
curl https://kongchang.com/api/v1/knowledge/claims/1110468MCP
get_claim(id=1110468)