待验证65% 置信观点时间未知

大模型幻觉产生的三大原因是训练数据噪声、概率优先机制和数据时效性不足

3

来源数

65%

置信度

长期有效

时效性

2026/6/3

首次发现

来源

RAG技术入门：什么是检索增强生成？如何解决大模型幻觉问题

bilibiliAI大模型全栈

涉及实体

LLM幻觉concept

相关事实

待验证当训练数据中存在矛盾信息或模型被问及训练数据稀缺领域时，幻觉出现概率显著上升82% 相似待验证认知不确定性源于训练数据不足可通过增加数据减少，随机不确定性源于数据固有噪声无法通过增加数据消除80% 相似待验证模型微调的真正难点在于高质量训练数据的构建与清洗、防止灾难性遗忘，以及量化后的推理部署78% 相似待验证大模型输出的是最可能出现的下一个词而非对事实的精确检索，在训练数据覆盖稀疏的领域会产生幻觉76% 相似待验证高偏差意味着模型过于简单导致欠拟合，高方差意味着模型学入噪声导致过拟合，两者往往此消彼长75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/40474

API

curl https://kongchang.com/api/v1/knowledge/claims/40474

MCP

get_claim(id=40474)