待验证85% 置信概念时间未知
大语言模型幻觉（Hallucination）在多轮对话或多步推理的Agent场景中危害被成倍放大，形成「幻觉级联」（Hallucination Cascade）
1
来源数
85%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
Agent上下文腐烂的两种病因：Distraction与Poisoning详解
bilibiliAI大模型原理
涉及实体
相关事实
待验证Traditional end-to-end LLM calls often suffer from hallucinations or logical leaps when facing multi-step, multi-constraint complex tasks.72% 相似待验证大型语言模型在处理需要长程上下文精确追踪的细节一致性问题时容易产生幻觉性漂移（Hallucination Drift）71% 相似待验证模型规模越大，幻觉的表述往往越流畅、越具迷惑性，识别难度反而上升70% 相似已验证在多Agent场景中，幻觉问题会被级联放大：一个Agent的错误输出可能成为下一个Agent的输入，导致错误在链路中不断累积69% 相似待验证Hallucination refers to LLMs generating plausible-sounding but factually incorrect information69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/22390API
curl https://kongchang.com/api/v1/knowledge/claims/22390MCP
get_claim(id=22390)