待验证50% 置信基准精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

开源MCP服务器：自动核查AI论文引用真伪

redditr/learnmachinelearning2026/7/10

相关事实

待验证斯坦福大学2023年的研究发现主流LLM在生成法律和医学类引用时虚假引用率高达30%—60%81% 相似待验证研究表明主流大模型在生成学术引用时虚假引用率可达20%-60%78% 相似待验证斯坦福大学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%77% 相似待验证研究表明LLM先生成计划再执行可以将错误率降低30-50%69% 相似待验证斯坦福HAI研究所2023年报告显示，最新LLM在HumanEval等代码基准测试中正确率已超过85%，远超2021年的不足50%69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/500087

API

curl https://kongchang.com/api/v1/knowledge/claims/500087

MCP

get_claim(id=500087)