待验证75% 置信观点时间未知

LLM的错误往往不是随机分布的，当AI在某个架构假设上出现偏差时，后续所有基于该假设的决策都会系统性地偏离正确方向

1

来源数

75%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

AI Coding做游戏有多离谱？一个月复刻大巴扎写了10万行代码

bilibili山中白狼

涉及实体

相关事实

待验证LLM应用的失败往往是概率性的，相同输入在不同时刻可能产生不同输出，需要建立包含准确率、幻觉率、相关性评分等指标的评估体系而非依赖传统单元测试77% 相似待验证绝对偏差通常可通过标定来补偿，而重复性差意味着误差随机不可预测，很难通过校准解决74% 相似待验证Agent链式调用多步之后，每次LLM输出的细微差异导致误差逐步放大，最终结果偏离预期73% 相似待验证LLM因幻觉、提示注入或上下文误解可能做出错误判断，若无独立验证机制，错误推理会直接转化为错误的生产操作73% 相似待验证总预测误差可以分解为偏差²+方差+不可约误差73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/11728

API

curl https://kongchang.com/api/v1/knowledge/claims/11728

MCP

get_claim(id=11728)