已验证65% 置信事实时间未知

对于训练数据不足的小众领域，大模型会倾向于幻觉式补全，生成看似合理但实际错误的API调用、参数名或返回结构

3

来源数

65%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Superpowers Writing Plans实操：计划写对了Token省一半

bilibili晴天AI实战

涉及实体

大语言模型concept

相关事实

待验证若合成数据生成过程遗漏关键变量间的相关性，基于此训练的模型在真实部署环境中往往表现失常80% 相似待验证大模型在生成代码时会产生幻觉，编造出看似合理但实际不存在的函数名、参数签名或API接口77% 相似待验证模型幻觉的本质是模型在训练数据分布之外进行概率补全，减少幻觉的核心手段包括提供上下文锚点、要求模型显式引用来源、结合RAG提供事实依据76% 相似待验证模型对 schema 的遵循能力受训练数据分布影响，训练语料中高频出现的字段组合会导致模型产生幻觉字段76% 相似待验证若训练数据完全由正样本构成，模型会倾向于对任何输入都强行调用工具，产生幻觉式调用76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/15003

API

curl https://kongchang.com/api/v1/knowledge/claims/15003

MCP

get_claim(id=15003)