待验证50% 置信注意事项精确时间

模型幻觉问题在金融场景中危害尤为突出，可能导致错误引用财报数据、误判新闻情感或极端行情下的错误预测，直接造成资金损失

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

Vibe-Trading：开源AI交易智能体的崛起与实践解析

githubGitHub Trending2026/7/3

相关事实

待验证金融数据的非平稳性意味着消融结论在一个时段成立未必在另一时段同样有效，这是金融AI消融实验的独特挑战73% 相似待验证基于模型内部特征的推断方法面临误报与漏报的权衡70% 相似待验证跟踪误差是衡量基金实际收益与其基准指数收益之间偏差程度的核心指标69% 相似待验证LLM幻觉问题源于模型基于概率预测生成文本而非检索真实数据，在涉及具体统计数字、引文来源和法律条款时尤为危险69% 相似待验证坎贝尔·哈维等学者的研究表明，金融学术文献中大量被发表的因子可能都是回测过拟合或数据窥探偏差的结果68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/462031

API

curl https://kongchang.com/api/v1/knowledge/claims/462031

MCP

get_claim(id=462031)