已验证75% 置信事实精确时间

斯坦福大学2023年的研究表明顶尖LLM在医疗和法律领域的事实性错误率高达20-40%

3

来源数

75%

置信度

长期有效

时效性

2026/7/11

首次发现

来源

Sprout实验：不依赖神经网络的确定性符号推理AI探索

redditr/learnmachinelearning2026/7/10

相关事实

待验证2023年的分析显示主流LLM在生成学术引用时的错误率从30%到超过60%不等77% 相似待验证斯坦福大学2023年的研究表明，主流AI检测工具误判率可高达20%以上74% 相似已验证微软、谷歌等公司的内部研究表明，即便是GPT-4级别的模型在法律、财务、医疗等垂直领域的事实错误率可能高达15%-30%73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/482347

API

curl https://kongchang.com/api/v1/knowledge/claims/482347

MCP

get_claim(id=482347)