待验证60% 置信事实时间未知
大语言模型的知识来源于海量文本数据的统计学习，擅长语言模式匹配，但对物理世界的因果关系缺乏真正的理解，这在学术界被称为'grounding problem'（接地问题）
2
来源数
60%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
涉及实体
相关事实
待验证自回归语言模型的OOD检测比传统机器学习更困难，因为语言组合空间庞大、语义OOD与表面形式OOD不对应，且对抗者可构造统计上看似in-distribution但语义触发OOD的输入77% 相似待验证大语言模型在二维空间推理上存在系统性短板，因训练数据以文本为主、缺乏空间关系监督信号75% 相似已验证大语言模型推理的瓶颈往往不在计算能力，而在于内存带宽75% 相似已验证提示注入的根本原因在于大语言模型缺乏区分指令层与数据层的原生机制75% 相似待验证研究表明，用低质量或机器生成文本训练的模型在语言多样性、推理准确性上会出现明显退化，即'模型坍塌'（model collapse）效应73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/32712API
curl https://kongchang.com/api/v1/knowledge/claims/32712MCP
get_claim(id=32712)