待验证50% 置信事实精确时间

预训练阶段的下一词预测目标让模型倾向生成自然流畅序列，而JSON等结构化格式在通用网络语料中占比有限，导致模型偶发格式违规

1

来源数

50%

置信度

长期有效

时效性

2026/7/20

首次发现

来源

构建视频生成Agent实战：从简报到分镜的踩坑与解决方案

相关事实

待验证主流LLM的预训练采用下一个token预测作为目标，优化的是语言建模损失而非事实准确性75% 相似待验证Hermes模型从微调阶段就大量使用结构化输出训练数据，使模型天然倾向于生成格式正确的JSON75% 相似待验证模型对 schema 的遵循能力受训练数据分布影响，训练语料中高频出现的字段组合会导致模型产生幻觉字段74% 相似待验证提示词工程通过角色定义、输出格式约束（如JSON Schema）、少样本示例等手段约束模型概率性输出74% 相似已验证大语言模型的训练目标是预测下一个最可能出现的token，而非判断信息的真实性73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/572588

API

curl https://kongchang.com/api/v1/knowledge/claims/572588

MCP

get_claim(id=572588)